RSNA2022乳腺影像学

胡奇兰，贺丽彤，覃艳金，唐彩丽，胡益祺，詹晨奥，冯梦丹，霍敏，彭潇，艾涛

乳腺X线检查

1.数字乳腺X线摄影

数字乳腺X线摄影(digital mammography，DM)作为乳腺恶性肿瘤筛查的重要工具已广泛用于临床，但传统的DM在乳腺癌检出率(CDR)及召回率(RR)方面表现不尽人意，近年来人工智能(AI)与深度学习(DL)相关技术在DM方面的应用显著改善了其诊断性能。Gustafsson等的一项回顾性研究证实在乳腺癌筛查的工作流程中，用AI替代临床医生对低风险病例进行评估，可安全减少乳腺癌筛查33.8%的工作量。Chang等证实了在筛查召回的妇女中使用AI减少了对补充DM的需求，且提高了整体诊断性能。Frazer等则回顾性研究了AI在三种乳腺癌筛查操作模式中的作用：①首次阅片移除正常DM图像；②第二次阅片提高准确率；③最终读取来检测遗漏的癌症。在497288个筛查集中进行模拟，结果显示使用AI模型进行第二次阅片替换可以获得更好的筛选结果，减少了396173个人工读片、3103个不必要的召回及51例遗漏的乳腺癌，降低了假阴性和假阳性率。Hickman等探究了英国国家卫生服务乳腺筛查计划中三种AI算法在高分诊中的表现，结果表明AI在保持高敏感度的同时可以排除大比例的正常病例，减少不必要的重复阅读；此外，通过自动标记高特异性阈值的可疑病例进行进一步评估，在提高癌症早期检测率的同时限制RR的增加。他的另一项研究则评估了商业AI系统在间隔期乳腺癌(未来0～1年内发生的乳腺癌)检测中的准确性，结果显示将独立AI设置为96%的特异度阈值，可以识别23.7%的间隔期乳腺癌，并在75%的病例中准确定位。Ambinder等做了一项区分筛查发现的乳腺癌与间隔期乳腺癌的回顾性队列研究(n=211514)，结果DM对乳腺癌的检测具有较高的敏感度(91%)，而间隔期癌症通常由乳腺MRI筛查发现。Arasu等用曲线下随时间变化的面积[AUC(t)]来评估DM中AI算法预测未来1～5年内乳腺癌风险的能力，结果显示对于间隔期乳腺癌，乳腺癌监测联盟模型(BCSC)的AUC(t)为0.62，AI算法的AUC(t)均显著较高，范围为0.67～0.71(P<0.05)；对于未来1～5年的癌症发病率，BCSC的AUC(t)为0.61，AI算法AUC(t)的范围为0.63～0.67。因此，对于间隔期乳腺癌和1～5年未来癌症风险，AI算法比BCSC临床风险模型有显著更高的鉴别能力。Nijnatten等证实在接受他莫昔芬/芳香酶抑制剂治疗的乳腺癌患者中，临床因素、放射组学及基于对侧未受癌症影响DM的DL都可以预测复发风险，且DL在预测新发及复发乳腺癌方面的表现均优于放射组学(AUC分别为0.86、0.74 vs. 0.75、0.63)。Yoon等回顾性分析了440例经皮活检证实为导管原位癌(DCIS)而在术后病理中升级为浸润性癌的117个(26.6%)病例，经单、多变量分析后显示乳腺影像报告和数据系统(BI-RADS)评分、钙化存在及基于AI的计算机辅助检测(AI-CAD)评分等影像学特征可作为DCIS升级的重要预测因子(P均<0.05)。

DM也可用于乳腺密度(BD)的评估。Payne等提出了一个新的BD评分表，将BD从4类进一步提高到10类，用两种算法(AI-1和AI-2)分别按BI-RADS分类和新提出的评分表对39462张DM图像进行评分分类，结果显示新提出的分类方式解决了阅片者使用BI-RADS分类暴露的一致性较低的问题(Kappa值分别为0.745、0.692)；他的另一项研究则调查了DM中BD的分布及其对乳腺癌筛查效果的影响，结果显示随着乳腺密度的增加，筛查的敏感度迅速降低。Holley等比较了基于商业BI-RADS的AI模型与放射科医生(IRs)一致地评估BD的能力，使用配对比例假设检验评估BD趋势的差异，证实两者评估BD的分布相似(a:10% vs. 9%；b:49% vs. 45%；c:36% vs. 38%；d:6% vs. 8%)；与IRs相比，AI模型在BI-RADS BD中产生更少的双向(P<0.001)和更恒定(P<0.001)的趋势，即AI模型能比放射科医生为患者提供更纵向一致的评估。

为了衡量女性在乳腺植入术后行DM全视图(IF)的必要性，Kim等回顾性分析了748名隆胸女性的DM图像，并比较常规八视图、四个IF视图和四个植入物移位(ID)视图之间的CDR、敏感度、每个乳房的平均腺体量和植入物破裂检出率。研究结果表明常规八视图和四个ID视图在检测乳腺癌方面诊断效能相当(CDR及敏感度别为15%、84.8% vs. 15%、84.8%)，而四个IF视图的诊断效能较低(CDR及敏感度分别为8.8%、50%)。

Cohen等回顾性审查了2016年-2019年对超声无明确异常而DM图像上结构扭曲的140名患者进行了DM引导活检，恶性率为20.7%。

2.数字乳腺断层摄影

众所周知，相较于DM，数字乳腺断层摄影(digital breast tomosynthesis，DBT)作为一种准三维成像技术可以提高CDR，降低假阳性和假阴性率。Louis等证实了与全数字化乳腺摄影(FFDM)相比，DBT提高了不同种族、民族或经济背景的患者乳腺癌的CDR(4.35/1000 vs. 3.11/1000)和阳性预测率(PPV，5.50% vs. 4.14%)。Goh等探究了DBT对安全网医院筛查性能和癌症结局的影响，最终结果显示与DM相比，DBT筛查降低了癌症检测的RR[12.1%(1592/13125) vs. 14.7%(1929/13125)]，将乳腺癌检测的特异度由85.7%(11191/13064)提高到88.1%(11531/13086)。Grewal等评估10年来使用DBT进行筛查的癌症分型、大小、分级和分期，并与DM检测出的癌症进行比较，结果显示相较DM而言，DBT检出腋窝转移和晚期浸润性癌的比例较低(分别为14% vs. 19%；33.3% vs. 43.6%)。Mayo等证实了DBT相较于使用DL模型的DM而言，提高了CDR。Licaros等的研究回顾性比较了三级癌症中心在2018年1月1日至2019年12月31日(活动期)和2020年1月9日至2022年3月31日(离线期)两个时间段内进行的所有筛查性DBT报告的指标，结果表明离线DBT中的CDR和PPV相较于活动期并无降低(P>0.05)。Offit等对调查了在有乳腺癌个人史(personal history of breast cancer，PHBC)的患者中使用DM与DBT发现可能良性病变的频率和结果，证实在有PHBC的患者中使用DBT可降低BI-RADS 3分配率。DM中BI-RADS 3恶性率为4.8%(高于2%的恶性率)，使用DBT后降至1.8%。Nia等比较了FFDM与DBT在乳腺癌患者治疗后监测中的表现，结果证实对于有PHBC的女性，在FFDM中添加DBT并不能改善CDR(9.4/1000 vs.8.2/1000，P=0.38)、RR(7.5% vs. 6.9%，P=0.087)或PPV(12.5% vs. 11.9%，P=0.74)；因此，对于有PHBC的患者，还需要补充除DBT之外的其他筛查模式。

DBT引导的乳腺病灶活检也是热点问题。Baikpour等比较了DBT引导下活检(digital breast tomosynthesis-guided biopsy，DBT-bx)与超声(US)引导下非钙化乳腺病变活检特征和癌症发病率，DBT-bx组不对称和结构扭曲检出率明显高于US(44.7% vs. 30.8%；33.2% vs. 1.3%)，其恶性发生率明显低于US[32.7%(74/226) vs. 44.7%(471/1053)]。Nguyen等比较了DBT-bx与数字乳房X线摄影立体定向(DMS)引导下的钙化诊断效果，证实DBT-bx的活检速度更快(14.9 mins±8.0 mins vs. 24.7 mins±14.3 mins)，辐射暴露更少(4.1±1.0次 vs. 9.1±3.3次)，恶性率和高危病变升级率相似。Cohen等比较了不同体位下DM和DBT真空辅助乳腺活检(俯卧式DM-VABB、俯卧式DBT-VABB、直立式DM-VABB和直立式DBT-VABB)的诊断性能，结果显示相较俯卧式DM-VABB或直立式DM-VABB而言，俯卧式DBT-VABB能检出更多的高危病变。

Laurizen等、Nishikawa等及Heacock等再次证实了AI对临床实践的指导作用及巨大潜力，其可以在降低RR的同时减少放射科医生的筛查工作量。Graewingholt等比较了放射科医生在安装检测乳腺癌的AI工具前后筛查乳腺癌的诊断准确性，结果表明保持类似异常解释率(AIR)的同时，CDR的增加与先前的研究结果大致相似。Destounis等则研发出一种高效的卷积神经网络(CNN)区分DBT中的的乳腺良恶性肿块的DL方法，头尾位(CC)视图和内外侧斜(MLO)视图中的敏感度、特异度、准确率、PPV、阴性预测值(NPV)和AUC分别为96.10%、95.90%、96%、96.10%、95.90%、0.949及96.10%、91.80%、94%、92.50%、95.70%、0.908。乳腺动脉钙化(BAC)是心血管疾病(CVD)的危险标记物，但放射科医生普遍报道不足。Reston等开发了一种AI模型[cmAngioTM是一种用于BAC分割和量化的深度卷积神经网络(RCNN)]，研究结果显示cmAngio在BAC检测方面非常出色，AUC可达0.966；且与FFDM相比，DBT的BAC检出率略高(0.977 vs. 0.945)。

BD高是众所周知的乳腺癌的危险因素。Grisot等对一个超过50万群体的DBT大数据集进行回顾性研究，证实了乳腺癌与间隔期乳腺癌在致密型乳腺的女性中的发病率较高。Payne等的研究证实致密型乳腺及单视图异常是导致DBT在乳腺癌筛查中出现假阴性的最常见因素。Cao等开发了两个RCNN，用于在合成2D断层CC视图和MLO视图自动进行BD分类，结果显示美国放射学会(American College of Radiology，ACR)A/B和ACR C/D分类之间的差异的平均敏感度为80.4 %，特异度为89.3%。Yang等的研究旨在根据BD和DM检查结果，比较DM与DBT中AI系统独立检测乳腺癌的性能，结果显示AI-DBT在脂肪和致密乳房中具有更高的AUC和敏感度(P<0.001，P=0.01)，在检测无钙化型肿块或不对称性方面优于AI-DM(AUC：0.90 vs. 0.83)。

3.对比增强乳腺X线成像

经研究证明，对比增强乳腺X线成像(contrast-enhanced spectral mammography，CESM)运用对比增强的重组图像来评估病变的血供情况，具有比传统DM更高的敏感度，通过发现隐匿的病变来提高诊断乳腺疾病的准确性。Berg等证实了在具有PHBC的妇女中，与单独使用DBT相比，添加CESM显著提高了早期浸润性乳腺癌的检出率。Cao等对CESM在区分乳腺恶良性病变中的4个感兴趣区ROI区域[病变感兴趣区(ROI)、病变周围组织(ROI1)、远离病变并靠近胸部的组织(ROI2)及病变同侧正常胸大肌最大直径水平的组织(ROI3)的增强值]的增强特征进行了定量分析，相对增强值(rROI1、rROI2和rROI3)被定义为ROI1、ROI2和ROI3与ROI之间的相对值。结果表明，恶性病变的ROI增强值及相对增强值(rROI1、rROI2和rROI3)均明显高于良性病变；四者区分良恶性病变的AUC分别为0.795、0.833、0.812和0.741。因此，增强值的定量分析对乳腺良恶性病变的鉴别诊断具有重要价值。Mao等开发了一种基于注意力的DL模型，用于在CESM中区分乳腺良恶性病变，在外部测试集中的AUC、敏感度、特异度及准确率分别为0.970、84.8%、100%及89.1%。Mao等还回顾性收集了1710张来自某医院的术前乳腺病变CESM图像，用于全自动管道开发和测试，开发了一种支持DL的全自动管道，在CESM中乳腺病变的分割和分类方面具有良好的临床适用性。

乳腺CT

Wetzl等在一项前瞻性的多中心研究中肯定了螺旋式乳腺CT的图像质量及在患者和放射科医生中的接受度。393名女性中71%的患者表示舒适度非常好，28%的患者舒适度良好，仅1%的患者有轻微不适；298名放射科医生中有61%和26%可用性评价为非常好；图像质量被评为非常好的占57%，良好的占34%；乳房覆盖不足的概率低至3%。

乳腺超声

1.常规超声

超声成像能够无创、快捷且较为清晰地显示病灶大小及形态特征，是评价新辅助化疗(NAC)疗效的常规影像学手段。Kapetas等探讨了基线B型US预测乳腺癌患者NAC疗效的价值，使用BI-RADS评估和描述病灶，收集其他临床特征(患者年龄、肿瘤大小、分级及分子亚型)。Logistic回归显示，肿瘤大小、微分叶状或针状边缘、钙化或水肿的存在以及HER2+或三阴型分子亚型是病理完全缓解(pCR)的独立预测因子；使用以上参数所建立的模型在预测pCR的训练集(170例)中AUC为0.873，在验证集(83例)中为0.720。因此，结合B超中选取的BI-RADS描述与临床肿瘤特征可能在NAC前预测乳腺癌患者在NAC后的病理反应。Machado等肯定了超声造影(CEUS)淋巴超声检查在乳腺癌NAC后术中识别患者前哨淋巴结(SLN)的价值，研究结果为72个SLN中术后病理结果示15个为恶性，蓝色染料检出率为47%，放射性示踪剂检出率为67%，而CEUS检出率为100%。

有关AI的热点研究成果显著提高了超声在乳腺影像中的应用价值。Ricklan等证实了与放射科医师相比，AI系统在致密型乳腺的患者中能更正确地鉴别良恶性肿块。Lin等证实了对于脂肪型乳腺且存在可触及肿块的女性来说，不需要超声作为辅助手段来检测癌症，单独的DM检查足以应对，这一研究成果可以降低医疗成本。Chang等评价和比较了致密型乳腺妇女DBT和DM阴性后行补充US筛查的诊断性能，包括CDR、敏感度、特异度和AIR；结果显示补充US可在DBT和DM阴性的基础上检出更多的癌症；DM+US与DBT+US两组之间的诊断性能指标无显著差异(P均>0.05)。

另外，Liu等开发和验证了基于临床、US及DM影像特征的多模态诺模图(Nomogram)，可以鉴别US和DM评估不一致的病变，与单独使用DM或US相比，其在诊断功效方面有显著改善(AUC分别为0.448、0.597及0.889)，避免了87.1%不必要的活检。Venturini等开发了一个SOLUS设备[US/扩散光学断层扫描(DOT)混合系统]，初步分析证实其可以区分结节与周围正常组织，鉴别良恶性乳腺结节。Kim等则研发了一个轻量级AI模型，用于US实时决策支持诊断乳腺癌，具有较高的检测和诊断性能，AUC、敏感度及特异度分别为0.93、85.4%及85.2%。Youk等开发和评估用于乳腺癌诊断的US微流成像(MFI)AI算法，研究表明其可以通过将BI-RADS 4a类病变的假阳性率从87%降低到13%来提高乳腺US诊断的准确性，从而减少不必要的活检。

2.腋窝超声

超声检查的另一优势在于对腋窝淋巴结的评估。NAC后组织标志物在淋巴结内的可见度对于定位至关重要，其有助于成功进行有针对性的腋窝清扫。Kim等证实NAC后组织标志物中，UltraCorTMTwirlTM的整体超声可见度高于 UltraClipTM(86.7% vs. 72.4%)，但差异无统计学意义。

3.自动化乳腺超声系统

自动化乳腺超声系统(ABUS)是一项新兴的乳腺超声检查技术，具有图像标准化、操作人员依赖性低、可重复性高等优点。Fernan等比较了ABUS与手持式超声(HHUS)在200例腺体致密(C或D)的中危女性(PHBC、已知乳腺癌家族史、BI-RADS 3类病变、某些综合征及基因突变)中筛查乳腺癌的能力，以Kappa指数评价两种技术的一致性，结果证实ABUS对乳腺致密的中度风险的女性是一种有价值且具成本效益的筛查工具(Kappa值为0.84)。Kim等回顾性分析了韩国2018年1月至2019年12月接受筛查性MG和补充ABUS的2301名妇女，结果显示在MG中加入ABUS后，亚洲致密型乳房女性的CDR增加了2.8/1000，AIR增加了7.9%；但对非致密型乳腺中癌症的诊断效能并无改善。

4.VSI乳房超声

体积扫描成像(VSI)乳房超声是一种潜在的方法，该方案可以由未接受超声训练的个人完成，以解决某些地区因缺乏基本乳房成像技术而导致乳腺癌检测延迟的难题，改善患者预后。Zhao等提出了一种简单的VSI超声方案，用于对可触及的乳房肿块及其特征(大小、方位、形状、边缘、回声、后部声学特征和BI-RADS分类)的评估，并将评估结果与标准超声检查相比较；研究结果表明两种方案在检测可触及的肿块及其特征方面均具有显著的一致性(Kappa值分别为0.95、0.82)。

5.超声弹性成像

超声弹性成像(SWE)是近年来通过提取组织的弹性特征并进行成像的一种新技术，能够显著提高常规超声准确率。Barr等使用一种新的2D-SWE算法将该技术的敏感度从54%提高到100%，但特异度略有下降(从95%降到82%)。

乳腺MRI

1.常规乳腺MRI

作为近年来快速发展的一种新方案，简化乳腺MRI序列(ABMR)在乳腺癌的诊断方面得到广泛认可。Burkard-Mandel等则提出了一种增强前后利用T1加权压脂、短T1反转恢复图像且在10分钟内完成的ABMR方案，平均CDR可达12.0/1000；其为高危患者的乳腺癌检测提供了另一种选择，节约成本且耗时更少。Edmonds等比较了ABMR在第一次(基线)和后续(连续)检查中筛查致密型乳腺和其他平均终生风险女性的乳腺癌的表现，结果显示连续ABMR可以在保持较高的CDR的同时，提供较低的AIR和较高的PPV。Hadchiti等进行了一项探究含有超快序列的新方案与经典MRI方案中在高危患者中筛查乳腺癌的价值的多读者研究(R1、R2、R3、R4)，结果证实两者诊断的准确率相当(R1、R2、R3、R4在经典方案与新方案中的准确率分别为：R1：87% vs. 99%；R2：82% vs. 89%；R3：81% vs. 85%；R4：61% vs. 84%)。Dornelas等开发了一个预测乳腺癌NAC后疗效的三序列简略MRI方案，其能在维持与完整方案(FP-MRI)相当诊断性能的同时减少75%的检查时间。

Eskreis-Winkeler等提出了一种高时间/高空间(HTHS)分辨率的MRI方案：注射对比剂后1分钟内[在背景实质强化(BPE)出现前]对乳房进行成像，并将其与标准乳腺MRI方案在高BPE女性中的诊断性能进行比较。研究结果显示HTHS方案显著提高了高BPE女性的乳腺MRI诊断性能(每1000例可增加25例癌症)；因此，它有潜力成为未来MRI筛查的首选方案。

MRI被推荐用于高危患者的乳腺癌筛查，而具有PHBC的患者发生新的乳腺癌的风险高于平均水平，但在该人群中并未进行MRI监测。Zoghbi等比较了354名有PHBC的患者和其他高危患者MRI筛查结果，结果表明具有PHBC的患者AIR低于另一类人群(20.9% vs. 40.3%)，两类人群在推荐活检率上的差异无统计学意义；而有PHBC的患者的CDR要高于其他高危患者(20.5/1000 vs. 14.1/1000)。因此，应该考虑在有PHBC的人群中进行MRI监测。同样地，Ha等的一项纳入3041名患者的回顾性研究结果表明有PHBC的患者应每半年进行一次乳腺超声和MRI筛查。Park等对有PHBC且乳腺MRI检查结果为阴性的女性进行了回顾性研究，采用Logistic回归分析来研究临床病理特征与后续癌症之间的关系，研究结果表明MRI筛查后的结果并不因术后的时间间隔而有差异；BRCA突变状态、接受部分乳房切除术和辅助化疗与MRI阴性筛查后发生复发性乳腺癌的风险独立相关(P<0.05)。

术前MRI可以通过预测 NAC疗效从而指导临床治疗和改善患者预后。Kim等通过一项纳入130个病例的回顾性研究证实在NAC前和NAC中期的MRI中，计算机辅助诊断(CAD)提取的动力学异质性的变化是pCR的独立预测因子(P<0.001)。

MRI也在腋窝淋巴结状态评价方面发挥着重要作用，Alhazmi等证实US和MRI在评估腋窝淋巴结转移方面诊断性能相当；这两种技术的特异度分别为85.7%、89.6%；NPV分别为77.6%、80.2%；而两者的敏感度(29.6%、37%)和PPV(42.1%、55.6%)都很差。

从术前MRI提取的相关特征将有助于指导治疗和改善患者的预后，但对长期生存结果的有效性一直存在争议。Xu等研究了术前MRI特征与淋巴管浸润(LVI)及无病生存(DFS)的关系，结果显示纳入Ki-67指数、MRI上腋窝淋巴结状态、乳房水肿评分、多中心或多部位的预测模型对LVI状态表现出良好的预测性能，AUC可达0.75；且LVI状态与患者的DFS有关。Gilhuijs等调查了1432名患者术前乳腺MRI的放射基因组特征是否与ER+/HER2-乳腺癌患者的长期生存相关以及这些特征能否预测内分泌治疗的有效性，结果显示MRI特征阳性的患者有929名，其死亡风险比阴性的患者低35%；在614名接受内分泌治疗的患者中MRI特征阳性患者在内分泌治疗后死亡的风险降低了52%；证实MRI特征是独立的预后因子，可预测总生存率和内分泌治疗反应。Yoen等调查和比较了术前MRI对50岁及以下的乳腺癌患者复发和生存结果的影响，结果显示术前MRI(P=0.02)与50岁及以下激素受体阴性(P<0.01)的乳腺癌患者复发风险降低相关。

在MRI与CESM的比较研究方面也不乏一些成果。Lawson等做了一项关于CESM、ABMR和标准乳腺MRI在乳腺癌筛查中的性能比较的调查研究，计算了CDR、RR和每1000人的假阳性活检建议率、敏感度、特异度和活检建议的阳性预测值等性能指标。其结果显示与标准MRI或ABMR相比，CSEM具有较低的RR和假阳性活检建议率，以及较高的特异度，但其敏感度和CDR较低。Heriteau等回顾性分析了3年内25例经CESM引导活检及107例MR引导下活检的病例，探究了CESM引导下活检乳腺病灶的可行性并与MR活检术进行比较，术后结果显示MRI组不一致率为21%，低估率为15%；CESM组不一致和低估病例为1例。CESM引导下的活检既节省时间(中位：28min vs. 53min)和成本，且不降低准确率。

Nguyen等调查了MRI引导下乳腺活检中发现的29例叶状肿瘤在手术切除时发现为恶性肿瘤的几率，结果显示其中2例(6.9%)经手术切除后升级为恶性肿瘤(升级率较低)，研究所涉及的影像学特征(病变形态、病变大小、增强模式、增强动力学、T2信号强度)均与叶状肿瘤的升级无显著相关性(P均>0.05)。

2.MRI功能成像

扩散加权成像(diffusion weighted imaging，DWI)能够显示水分子在人体组织环境中的扩散运动，从而通过表观扩散系数(ADC)鉴别病变的良恶性。一般来说，恶性病变的ADCmin和ADCmean都要低于良性病变。Wu等提出通过使用1.39×10-3mm2/s的ADCmin或1.52×10-3mm2/s的ADCmean，可以避免近1/4不必要的BI-RADS 4/5类病变的活检，且与使用为1.52×10-3mm2/s阈值的ADCmean相比敏感度有所提高。

衡量模拟回声采集模式扩散加权成像(STEAM-DWI)是一种稳健的乳腺MRI技术。Ohlmeyer等比较了STEAM-DWI与自旋回波扩散加权成像(SE-DWI)的图像质量和诊断性能。最终证实STEAM-DWI具有更好的脂肪抑制效果(4.32 vs. 3.87，P<0.001)和同等的诊断准确率(STEAM-DWI与SE-DWI的AUC分别为0.50、0.52)，但腋窝显示率更差(1.50 vs. 3.38，P<0.001)。

脂肪抑制方法的选择可能影响DWI的图像质量和诊断。Sauer等在b值为800 s/mm2的DWI图像和ADC图上对三种采用不同脂肪抑制技术进行高分辨率DWI的图像质量的主观和半定量标准进行了研究，结果表明与标准的FS-DWI相比，水激发(WE)-DWI和光谱衰减反转恢复(SPAIR)-DWI都能提供更好的图像质量、主观病变可见度和信号强度比，从而能够更准确地估计病变大小。

Kang等证实与传统的ss-EPI相比，基于DLR (深度学习重建)的单发EPI显示出更好的图像质量分数、CNR和病变对比度(P均<0.05)，且扫描时间缩短了47.2%。而这两者在肿瘤的SNR和ADC值方面没有显著差异(P均>0.05)。

动态增强磁共振成像(DCE-MRI)可通过一系列量化指标来观察组织灌注、微血管壁通透性、微血管密度、血管内外体积分数等情况从而对乳腺内病变进行评估。Ramtohul等进行了一项早期快速DCE-MRI预测新辅助治疗后的病理反应的前瞻性研究，结果显示WIS(廓清斜率)>1.6%/s是pCR的独立因素。Adrada等则建立了两种集成成像(DCE-MRI TVR)和临床数据(sTILS和Ki-67)联合模型，用于早期预测行NAC治疗的三阴性乳腺癌(TNBC)患者的pCR，AUC分别为0.80及0.78。Song等对DCE-MRI中漏诊恶性病变的频率和主要原因进行了探索，共纳入2020年至2021年进行的1707例术前乳腺MRI，研究结果表明：DCE-MRI中漏诊恶性肿瘤的频率非常罕见(13/1707，0.76%)。Guiguis等用DCE-MRI早期预测TNBC患者的NAC疗效，结果显示基于多柔比星/环磷酰胺(AC)方案治疗2和4个周期后的DCE-MRI分别正确预测了54%和57%的TNBC患者的pCR，AUC高达0.811和0.827。

Kim等回顾性研究了2021年3月至2022年3月被诊断为乳腺癌的102名患者(98名单侧癌症患者和4名双侧癌症患者，共106个癌症病灶)，并将超快和常规DCE-MRI上的动力学和形态学特征与组织学预后标志物进行了比较；结果表明Ki-67阳性与超快影像学上较高的最大增强(ME)有关；乳腺癌的组织学侵袭性与超速成像中更高和更快的增强、传统DCE-MRI中TIC(时间-信号曲线)呈流出型及肿块型病变类型有关(P<0.05)。

Ataya等利用从DCE-MRI中提取的DCIS病变的放射特征建立了两个模型，用于预测非侵袭性恶性肿瘤的升级；模型1的准确率为78%；模型2的准确率可达87.9%。

多参数乳腺MRI在预测NAC疗效方面也有一些成果。Panthi等则建立了两个基于多参数MRI的放射学模型用于早期预测TNBC患者的NAC疗效；结果显示模型1与模型2的AUC分别为0.808、0.816，即两个模型对早期预测TNBC患者的NAC疗效具有较高的准确性。Partridge等发现BMMR2挑战中提出的新算法在预测乳腺癌NAC后病理反应方面能比美国放射学会成像网络试验(A6698)分析提供更大的预测价值，将AUC从0.78提高到0.84。Ma等则利用治疗前MRI和临床信息的训练的DL网络在NAC开始前高度准确地预测TNBC患者的病理反应，用DCE、DWI及临床信息训练的DL网络具有最高的AUC，并取得了72%±4%的准确率，72%±15%的敏感度，72%±10%的特异度，67%±4%的PPV，以及78%±9%的NPV。

Song等通过使用乳腺癌的三维MRI图像和高危癌症患者的临床数据建立一种DL模型来预测gBRCA突变，其在训练集中敏感度和特异度分别可达72%、80%；在测试集中可达74%、86%。

乳腺PET-CT/MRI

乳腺PET-CT/MRI是一种全身显像技术，被广泛应用于乳腺癌患者的原发灶和远处转移相关的检查。Poetsch等比较了18F-FEC和18F-FDG在PET/MRI淋巴结分期中的作用，结果显示18F-FDG和18F-FEC在转移性淋巴结中的最大标准摄取值(SUVmax)相等。因此，18F-FEC也可用于乳腺癌患者的PET/MRI淋巴结分期。他的另一项研究则证实18F-FDG和18F-FEC在肿瘤中的可见度和代谢活性是相同的；18F-FDG在ER阴性肿瘤中显示出更高的代谢活性，而18F-FEC在诊断上的表现与受体状态无关。Burg等回顾性分析了13位完成NAC疗程的乳腺癌女性患者的68Ga-FAPI-PET/MRI图像(组1)和单独的MRI图像(组2)，结果显示组1和组2中3位阅片者在评估乳腺病理反应的敏感度和特异度分别为100%、100% vs. 100%、67%；预测腋窝淋巴结的敏感度和特异度分别为75%、100% vs. 50%、83%；证实68Ga-FAPi-PET/MRI随访扫描有望无创预测NAC疗效。Nijnatten等证实乳腺专用18F-FDG PET/MRI可以预测乳腺癌患者NAC后的病理反应(AUC=0.71)，但不能预测腋窝淋巴结转移(ALNM)反应(AUC=0.54)。

Lee等则证实乳腺癌患者行术前MRI有助于减少意外的N2或N3分期以及腋窝淋巴结清扫次数。Li等进行了一项不同影像学检查(US、MRI、MG、PET/CT、SWE、CT、PET、SMM和PET/MRI)在检测乳腺癌患者ALNM中的诊断性能进行评估的网络荟萃分析，结果显示基于患者层面，SWE适用于诊断ALNM(优势指数为5.95)；基于淋巴结层面，MRI具有最高的优势指数、敏感度及特异度(分别为6.91、91%及87%)。