探讨基于DWI和动态增强MRI（DCE-MRI）的影像组学特征与乳腺癌分子分型的关系。
方法回顾性分析广东省人民医院2015年6月至2016年6月，经手术病理证实为单发肿块型乳腺癌，获得乳腺癌分子分型，且行乳腺MRI扫描并获得DCE-MRI及ADC图像的79例患者。记录乳腺病灶MRI传统定量指标，包括ADC值和初始强化率（IER）；对ADC图和DCE-MRI图上的病灶区进行手动分割并提取影像组学特征，降维后筛选出10个影像组学标签。对病理标本进行免疫组织化学检测，分为Luminal A型、Luminal B型、人表皮生长因子受体2（HER2）过表达型、三阴性（TN）型乳腺癌。采用单因素logistic回归分析，比较ADC值、IER值以及影像组学标签独立进行分子分型预测的效果；采用多因素logistic回归建模，并绘制ROC，计算ROC下面积（AUC），比较各模型的诊断效能；采用Hosmer-Lemeshow检验对模型的拟合优度进行检验。
结果Luminal A型29例，Luminal B型39例，HER2过表达型5例，TN型6例。采用单因素logistic回归分析法对传统乳腺MRI参数ADC、IER值及所提取的10个影像组学标签在进行分子分型分类中的效果进行分析，ADC、IER值在鉴别各组的分子分型时，AUC值均<0.70（0.516~0.605），鉴别价值不大；鉴别各个分子分型时，至少有1个影像特征AUC>0.70，其中DCE_L_G_2.5_autocorrelation鉴别TN的AUC最高（0.941）。行多因素logistic回归分析，获得了鉴别诊断的最佳模型，鉴别Luminal A和非Luminal A型、Luminal B和非Luminal B型、TN和非TN的最佳模型鉴别诊断的AUC分别为0.786、0.733和0.941，经Hosmer-Lemeshow检验，各模型P均>0.10（分别为0.156、0.204和0.820），说明所建立的各个模型的预测值与观测值之间差异无统计学意义，模型拟合效果较好。
结论基于DWI和DCE-MRI的影像组学特征则有助于鉴别乳腺癌的分子亚型，尤其是鉴别TN型乳腺癌具有较大价值。