摘要目的:探讨基于DCE-MRI第二期(DCE2)图像的深度迁移学习(DTL)特征联合影像组学特征和临床-常规影像特征构建的列线图模型在预测浸润性乳腺癌组织学分级中的临床价值.方法:回顾性搜集2019年1月-2023年12月在皖南医学院弋矶山医院(中心A,n=356)和临汾市中心医院(中心B,n=176)经手术病理学检查确诊的乳腺癌患者的临床和DCE-MRI资料.其中,低级别(Ⅰ～Ⅱ级)368例,高级别(Ⅲ级)164例.在DCE2图像上手动分割获得全肿瘤容积ROI,使用PyRadiomics软件提取影像组学特征,并使用预训练过的ResNet-50模型基于DTL方法提取肿瘤的特征.随后采用Pearson相关性分析和最小绝对收缩和选择算子(LASSO)回归分析进行特征降维,保留最具预测价值的特征.使用逻辑回归分析分别构建临床模型(基于临床指标和常规影像特征)、影像组学评分(Rad-score)、DTL评分(DTL-score)以及列线图模型(临床独立危险因素+Rad-score+DTL-score).采用ROC曲线评估各模型的预测效能,并采用DeLong检验比较各模型AUC的差异.采过校准曲线、决策曲线分析(DCA)和临床影响曲线(CIC)分别评估各模型的拟合优度、临床效益和临床适用性.结果:多因素Logistic回归分析结果显示,肿瘤直径(OR=1.046,95％CI:1.014～1.080;P=0.005)、毛刺征(OR=0.415,95％CI:0.219～0.755;P=0.005)及 MRI 提示腋窝淋巴结转移(OR=2.449,95％CI:1.169～5.189,P=0.018)三个变量是肿瘤高病理分级的临床独立危险因素.经特征筛选后最终保留17个最优影像组学特征和20个最优DTL特征,并基于这些非零系数特征分别构建Rad-score和DTL-score.列线图模型对浸润性乳腺癌组织学分级的预测效能在训练集、验证集和外部测试集中分别为0.907、0.919和0.898,诊断效能优于临床模型、Rad-score及DTL-score.校准曲线显示列线图的预测值与实际观察值之间的一致性较好.DCA和CIC分析结果表明列线图模型在大部分阈值概率下具有较好的临床获益.结论:基于Rad-score、DTL-score及独立临床危险因素构建的列线图模型能在术前较准确地预测浸润性乳腺癌的组织学分级,具有一定的临床应用潜力.