Полный патоморфологический ответ (pCR) после неоадъювантной системной терапии (НСТ) служит важным суррогатным маркером прогноза при раке молочной железы. Однако надежное предоперационное предсказание pCR остается сложной задачей, поскольку стандартная визуализация недостаточно учитывает особенности перитуморального микроокружения — иммунную инфильтрацию, ремоделирование матрикса и сосудистую динамику.

Исследователи из Китая построили мультимодальную номограмму, комбинирующую интра- и перитуморальные радиомические признаки динамической контрастной МРТ (DCE-MRI), признаки 3D глубокого обучения (DL) и клинические биомаркеры для прогнозирования pCR.

Методология: ретроспективное одноцентровое исследование включило 534 пациенток, рандомизированных в обучающую (n=373) и внутреннюю тестовую (n=161) выборки. Сравнивали четыре классификатора при перитуморальном расширении 3, 6 и 9 мм. Для извлечения DL-признаков из выбранного региона TP6 использовали 3D ResNet-50 с механизмом Squeeze-and-Excitation внимания. Клинические предикторы отбирались многофакторной логистической регрессией.

Перитуморальная зона 6 мм стабильно показывала численно наибольшую AUC среди всех классификаторов на обучающей выборке. Однако на независимой тестовой выборке разница AUC между Model-TP6 и моделью только с интратуморальными признаками не достигла статистической значимости (DeLong P=0.358) и должна интерпретироваться как численный тренд, а не подтвержденное преимущество.

Интегрированная номограмма достигла численно наивысшей AUC на тестовой выборке — 0.883 (95% CI: 0.827–0.940). Хотя большинство парных сравнений DeLong не достигли статистической значимости, модель продемонстрировала благоприятное сочетание дискриминации, калибровки и чистой выгоды по кривой принятия решений (DCA) в рамках данной внутренней когорты.

Номограмма синергизирует радиомику с DL-представлениями, предлагая предварительный инструмент для стратификации кандидатов на НСТ перед началом лечения. Однако в этом ретроспективном одноцентровом исследовании модель разработана и оценена на внутреннем разделении без независимой внешней валидации, поэтому её производительность может быть завышенной и не обобщаемой на другие учреждения или настройки визуализации.

Авторы подчеркивают: проспективная многоцентровая внешняя валидация необходима до любого клинического применения. Полученные данные следует рассматривать как исследовательские и требующие подтверждения.