来源：期刊VIP网 时间：
作者：耿熙坪;孙艺瑶;张勇;赵丹;
单位：辽宁省肿瘤医院门诊部;中国医科大学智能医学院;辽宁省肿瘤医院病理科;辽宁省肿瘤医院医学影像科;
摘要：激素受体阳性（hormone receptor positive, HR+）乳腺癌作为乳腺癌最主要的分子亚型（占比70%～80%），其显著的肿瘤异质性及肿瘤微环境（tumor microenvironment, TME）介导的治疗抵抗是制约新辅助治疗（neoadjuvant therapy, NAT）疗效提升与个体化诊疗实施的核心因素。当前临床依赖Ki-67等指标检测、穿刺活检等手段预测NAT疗效时，受时空异质性与指标波动性影响，难以精准评估治疗响应，亟需无创、高效的替代技术。动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）凭借其功能性成像优势，可量化反映肿瘤血管生成、血管渗透性等TME关键特征，为无创解析TME生物学行为提供了重要窗口。而深度学习（deep learning, DL）技术通过自主挖掘DCE-MRI图像中超越人眼识别的深层时空特征，突破了传统影像组学的局限，为构建高精准度的TME表征与NAT疗效预测模型提供了新范式。本文系统梳理了HR+乳腺癌TME的异质性特征、DCE-MRI在TME功能评估中的技术优势、DL驱动的影像特征挖掘策略及多模态整合研究进展，重点阐述该交叉领域的关键技术瓶颈，并展望未来基于“影像-病理-分子”多组学融合的研究方向，旨在为HR+乳腺癌精准诊疗的临床转化提供理论参考与技术路径。
关键词：激素受体阳性乳腺癌;;肿瘤微环境;;新辅助治疗;;动态对比增强磁共振成像;;多组学;;人工智能;;深度学习;;磁共振成像
基金资助：辽宁省科技计划联合计划（自然科学基金-面上项目）（编号：2024-MSLH-272）;; 国家癌症中心攀登基金项目（编号：NCC201906B01）~~
