《npj Breast Cancer》：Development and internal validation of mammography feature-based prognostic models for distant recurrence-free survival of invasive breast cancer in a screening cohort
编辑推荐：
为解决乳腺癌筛查中因过度诊断而可能导致的非必要召回问题，研究人员利用筛查人群的数据，开展了一项基于乳腺X线摄影影像组学特征预测浸润性乳腺癌10年远处无复发生存（DRFS）的预后模型研究。他们通过比例风险模型结合影像组学特征、肿瘤体积和特定生长率，成功构建了风险预测模型，其C-index为0.70。结果表明，模型识别出的最低风险组患者10年复发概率仅为2.6%，这提示基于影像组学的预后评估有助于在筛查中发现低风险病变，为减少过度诊断提供了新思路。
乳腺癌是全球女性最常见的恶性肿瘤之一，乳腺X线摄影（Mammography）筛查作为早期发现的重要手段，显著降低了乳腺癌相关的死亡率。然而，这项“利剑”也有其双刃性，即过度诊断（Overdiagnosis）的问题。它指的是筛查发现的某些病变，尽管符合癌症的病理学定义，但在患者有生之年可能永远不会进展到引起症状或危及生命。这不仅会给患者带来不必要的心理负担，也意味着随之而来的过度治疗，包括手术、放疗、化疗等，伴随着显著的副作用和医疗资源消耗。如何在筛查的“天网”中，精准地识别出那些真正“懒惰”的、低风险的肿瘤，从而避免对这部分患者进行不必要的积极干预，是现代乳腺癌筛查领域亟待优化的重要课题。
为了回应这一挑战，一项发表在《npj Breast Cancer》上的研究提供了一种颇具前景的思路。研究人员提出，既然这些“惰性”肿瘤的生物学行为与侵袭性肿瘤不同，那么它们在最初的筛查影像——乳腺X线摄影上，是否就留下了可被“解码”的特征呢？他们瞄准了浸润性乳腺癌（IBC）中表现为肿块的病例，试图利用影像组学（Radiomics）这把“尺子”，从标准的筛查影像中提取出大量人眼无法判读的定量图像特征，并将其与患者的长期预后联系起来。其核心目标是开发并内部验证一个基于筛查期乳腺X线摄影特征的预后模型，用于预测患者诊断后10年的远处无复发生存（Distant Recurrence-Free Survival, DRFS）。如果模型能够有效区分出复发风险极低的患者群体，那么临床医生在面对筛查发现的类似病例时，或许可以采取更为个体化、更保守的管理策略，从而在源头上减少因过度诊断导致的非必要治疗。
为了开展这项研究，研究人员构建了一个基于国家登记数据的筛查队列。他们共纳入了1466名浸润性乳腺癌患者，这些患者均具备完整的临床、病理学和随访信息。这个队列被进一步细分为两个关键组别用于模型开发：一组是筛查发现的乳腺癌患者（n= 1063），使用的是其筛查呈阳性的乳腺X线影像；另一组是间期癌（Interval cancer）患者（n= 406），即在上一次筛查阴性后、下一次筛查计划前被诊断出的癌症，这里使用的是其诊断时的乳腺X线影像。值得注意的是，模型性能的最终评估仅在筛查发现的乳腺癌患者中进行，以确保其应用于筛查场景的稳健性。模型开发的核心技术方法是结合了影像组学特征、肿瘤体积以及特定生长率（Specific Growth Rate），利用比例风险模型（Proportional Hazards Model）来预测10年远处复发风险。整个建模与评估过程采用了重复的嵌套交叉验证（Repeated Nested Cross-Validation）策略，这能更可靠地估计模型在新数据上的泛化性能，避免过度乐观的评估结果。
研究结果
患者队列与随访
研究队列的中位随访时间为5.1年（第10-90百分位数：2.1-10.1年）。在10年随访期内，共发生了111例远处复发事件，为预后模型的构建提供了必要的事件数据基础。
预后模型的开发与性能
研究人员成功开发了基于乳腺X线摄影特征的预后模型。在仅针对筛查发现的浸润性乳腺癌患者进行的内部验证中，模型显示出中等的判别能力，一致性指数（C-index）为0.70（标准差0.01）。校准曲线斜率（Calibration Slope）为1.22（标准差0.13），表明模型预测的风险在某种程度上高估了实际观察到的风险。尽管如此，模型能够对患者进行风险分层，其预测的10年复发风险范围从4.9%到18.0%（第10-90百分位数），展现了区分不同风险患者的能力。
低风险患者的识别
模型最重要的发现之一是成功识别出了一个复发风险极低的患者亚组。在所有筛查发现的乳腺癌患者中，有42名患者被模型预测为具有最低的复发风险。这组患者的10年远处复发概率估计值仅为2.6%（95%置信区间：0–7.5%）。更值得注意的是，在这42名患者中，只有5人接受了辅助全身治疗（Adjuvant Systemic Therapy）。这一发现强烈暗示，在现实的临床实践中，确实存在一部分通过筛查发现的、生物学行为温和的乳腺癌患者，他们即使不接受强化的全身治疗，其远期预后依然非常良好。
结论与讨论
本研究证明了利用筛查期常规获取的乳腺X线摄影影像，通过影像组学分析提取定量特征，并结合肿瘤体积与生长率指标，来预测浸润性乳腺癌患者长期远处复发风险的可行性。所开发的预后模型具有中等的判别能力，其核心价值在于能够从筛查发现的患者中，有效鉴别出一个远处复发风险极低（10年风险约2.6%）的亚组。
这一发现具有重要的临床意义和公共卫生价值。它为实现“精准筛查”和减少过度诊断提供了直接的数据支持。如果经过更大规模、前瞻性的外部验证，此类模型未来或可整合到乳腺癌筛查的决策流程中。对于模型预测为极低风险的患者，临床医生可以更有信心地与患者共同探讨，是否可能采取更为保守的管理策略，例如避免立即的、积极的全身性辅助治疗，或者在未来设计临床试验，探索对这部分患者采取主动监测（Active Surveillance）而非立即手术的可行性。这不仅能显著降低患者的治疗相关身心创伤和经济负担，也能优化医疗资源的配置。
当然，研究也存在一定的局限性，例如模型校准尚不完美，以及需要在更广泛、更多样化的独立人群中进行外部验证。然而，这项研究作为一个重要的概念验证（Proof-of-Concept），清晰地指明了方向：深度挖掘筛查影像中蕴含的预后信息，是应对乳腺癌筛查领域过度诊断挑战的一条充满希望的技术路径。它将影像诊断从单纯的“检测异常”推向“评估生物学行为与预后”，有望推动乳腺癌筛查从“一刀切”的召回模式，迈向更智能化、个体化的风险分层管理新时代。
