摘要目的 探讨基于动态对比增强 MRI 瘤内和瘤周影像组学模型预测乳腺良恶性肿瘤的价值.资料与方法 回顾性分析2018年8月—2022年12月厦门医学院附属第二医院经病理证实的309 例单发性乳腺肿瘤患者的临床资料及MRI影像数据.按8∶2 随机分为训练组 248 例和测试组 61 例.基于动态对比增强MRI第二期影像,运用 3D-Slicer软件提取 5 个特征区域(瘤内、瘤周2 mm、瘤周4 mm、瘤内联合瘤周2 mm、瘤内联合瘤周4 mm区域)的影像组学参数.采用机器学习算法结合逻辑回归分析进行特征筛选,然后通过交叉验证确定影像组学特征的最佳组合.结果 309 例患者中良性肿瘤 150 例,恶性肿瘤 159例,两组年龄、病灶最大径及强化类型差异均有统计学意义(Z/χ2=-7.695、-5.775、30.248,P均<0.001).瘤内联合瘤周4 mm区域影像组学模型训练集和测试集曲线下面积、敏感度、特异度、准确度、F1分数分别为0.893、89.1%、75.0%、82.3%、0.838和0.881、74.2%、86.7%、80.3%、0.793.训练集中,瘤内联合瘤周4 mm区域影像组学模型曲线下面积高于瘤内、瘤周2 mm、瘤周4 mm及瘤内联合瘤周2 mm区域模型,差异有统计学意义(Z=2.506、2.982、3.392、2.157,P均<0.05).校准曲线显示瘤内联合瘤周4 mm区域影像组学模型预测曲线与理想曲线重合度较好(训练集P=0.381,测试集P=0.159).决策曲线显示训练集及测试集风险阈值为 0～1.0 时,瘤内联合瘤周 4 mm区域影像组学模型净效益最高.结论 影像组学模型具有很好的乳腺良恶性肿瘤预测性能,瘤内联合瘤周 4 mm区域模型最佳、净效益最高,该技术的临床应用为鉴别诊断乳腺良恶性肿瘤提供了一种无创性预测方法.