摘要背景 乳腺癌腋窝淋巴结转移是评估疾病进展和预后的重要因素,目前亟需无创、准确的方法来评估腋窝淋巴结状态.近年来,人工智能与医学影像技术的融合展现出巨大潜力.其中,S-Detect技术具有强大的图像分析能力,结合声触诊组织成像定量(VTIQ)技术的精准量化评估,为乳腺癌腋窝淋巴结转移的预测提供了新的可能.目的 探讨基于常规超声的人工智能S-Detect联合VTIQ技术预测乳腺癌腋窝淋巴结转移的价值.方法 回顾性收集2022 年 2 月—2024 年 2 月于石河子大学第一附属医院进行手术的 148 例女性乳腺癌患者(共 166 个肿块)资料,依据腋窝淋巴结病理结果分为转移者(n=61)与未转移者(n=105).所有患者术前行常规超声、VTIQ及S-Detect检查.采用单因素和多因素Logistic回归分析探讨各观察指标对腋窝淋巴结转移的影响,筛选有意义的指标并建立Logistic回归预测模型,采用受试者工作特征(ROC)曲线评价该模型的预测价值.结果 多因素Logistic回归分析结果显示,乳腺癌肿块边界(OR=0.619,95%CI=0.540～0.693)、边缘(OR=0.563,95%CI=0.484～0.640)、钙化(OR=0.559,95%CI=0.480～0.636)、纵横比(OR=0.540,95%CI=0.461～0.617)及剪切波速度平均值(SWVmean)(OR=0.794,95%CI=0.725～0.853)是预测乳腺癌腋窝淋巴结转移的独立影响因素(P<0.05).依此构建Logistic方程:Logistic(P)=-14.293+1.664×边界+1.315×边缘+1.757×钙化+1.341×纵横比+1.196×血流分级+0.736×SWV最大值(SWVmax)-3.942×SWV中间值(SWVcentre)+0.710×SWVmean.该联合预测模型的ROC曲线下面积(AUC)为0.902(95%CI=0.847～0.943),均大于各独立影响因素的AUC(P<0.05),且联合预测模型的AUC值均大于常规超声(AUC=0.605,95%CI=0.526～0.680)、S-Detect(AUC=0.672,95%CI=0.595～0.743)以 及VTIQ(AUC=0.794,95%CI=0.725～0.853)各独立预测模型的AUC(P<0.05),该联合预测模型与病理结果的一致性良好(Kappa=0.732,P<0.05).结论 基于常规超声的S-Detect联合VTIQ技术构建的预测模型对乳腺癌腋窝淋巴结转移有一定临床预测价值.