摘要目的 探讨基于动态增强磁共振成像(DCE-MRI)肿瘤和瘤周影像组学联合临床病理特征构建模型预测乳腺癌新辅助治疗(NAT)后病理完全缓解的价值,并通过Shapley(SHapley Additive exPlanation)算法对模型进行可解释性分析.方法 回顾性分析来自两家医院656例接受NAT治疗并进行手术切除的乳腺癌患者临床资料(训练组389例,内部验证组166例,外部验证组101例).基于DCE-MRI肿瘤区域及瘤周5 mm区域提取并筛选影像组学特征,分别构建肿瘤模型、瘤周模型及肿瘤联合瘤周模型.通过单因素及多因素Logistic回归分析构建临床模型.最后,联合临床病理独立预测因子及肿瘤联合瘤周影像组学特征构建联合模型.采用受试者工作特征曲线评估模型效能.利用Shapley算法赋予最佳预测模型可解释性.结果 基于肿瘤区域、瘤周区域分别筛选出16个及5个最佳影像组学特征并构建相应的模型,双区域特征联合筛选后保留了 15个最佳影像组学特征构建肿瘤联合瘤周模型.临床T分期、HER2表达状态及分子分型均为预测乳腺癌NAT疗效的独立预测因子.联合模型在训练组、内部验证组及外部验证组的曲线下面积分别为0.849(95％CI:0.811～0.886)、0.819(95％CI:0.754～0.881)及0.864(95％CI:0.789～0.928),均高于临床模型、肿瘤模型、瘤周模型、肿瘤联合瘤周模型,差异均有统计学意义(P均＜0.05).Shapley分析显示放射学得分为模型最重要的特征.结论 联合肿瘤、瘤周影像组学特征及临床病理信息所构建的临床影像联合模型可有效预测乳腺癌NAT治疗疗效.Shapley算法可提供个体水平的可解释性,保障模型的临床实用性.