这项研究由Huan Chang、Dawei Wang、Yuting Li等多位学者组成的团队完成，主要依托山东第一医科大学附属第一医院（山东省千佛山医院）放射科及联合影像智能研究所等机构。研究成果发表于《European Journal of Radiology》2023年166卷，后续修正声明发布于同期刊169卷。研究聚焦乳腺癌的影像学诊断领域，旨在探索连续时间随机游走（CTRW）磁共振扩散模型在乳腺病变恶性程度评估、预后因子分析和分子亚型鉴别中的应用价值。
乳腺癌作为一种高度异质性的疾病，其遗传学和组织病理学的多样性导致预后评估和治疗方案制定的复杂性。目前临床依赖的穿刺活检虽为金标准，但存在侵入性和可重复性问题。扩散加权成像（DWI）作为一种功能性磁共振技术，通过表观扩散系数（ADC）反映组织水分子扩散特性，但其基于高斯分布的假设在复杂的肿瘤微环境中存在局限性。CTRW模型作为新兴的非高斯扩散分析方法，通过引入时空异质性参数（α和β）及异常扩散系数（Dm），能够更精准地表征组织微观结构的异质性。尽管该模型此前多用于脑部研究，但团队假设其可应用于乳腺癌的微环境解析。
研究采用回顾性设计，纳入2022年6月至11月期间104例疑似乳腺病变患者，最终85例（88个病灶）符合标准。排除标准涵盖图像伪影（n=2）、缺乏病理确认（n=3）、病灶过小（n=5）等情况。所有患者术前两周内接受3.0T MRI扫描（United Imaging Healthcare UMR 790），采用16个b值（0-3000 s/mm²）的DWI序列，并同步获取动态增强MRI（DCE-MRI）作为定位参考。
使用ITK-SNAP软件和MATLAB进行后处理。CTRW模型通过以下方程拟合： [ S/S0 = E\alpha \left[ -(bD_m)^\beta \right] ] 其中Dm反映异常扩散强度，α表征时间异质性（粒子滞留效应），β描述空间异质性（跳跃距离变异）。算法采用Levenberg-Marquardt迭代法，先以低b值（<1200 s/mm²）估算Dm，再联合所有b值同步优化α和β，容差设置为10⁻⁴，最大迭代100次。ADC值则通过传统双b值（400/800 s/mm²）模型计算。
由两名放射科医师（分别具有15年和2年经验）盲法勾画病灶最大层面的ROI，避开坏死及出血区域。病理标本通过免疫组化检测雌激素受体（ER）、孕激素受体（PR）、HER-2及Ki-67表达水平，并根据St Gallen标准将乳腺癌分为Luminal A、Luminal B、HER-2阳性和三阴性（TNBC）四种亚型。
良恶性鉴别：恶性组的Dm（1.019 vs 1.437×10⁻³ mm²/s）、α（0.852 vs 0.948）、β（0.843 vs 0.886）及ADC（1.078 vs 1.418×10⁻³ mm²/s）均显著低于良性组（p<0.05）。联合三个CTRW参数时AUC达0.833，敏感性94.3%，优于单一参数。
预后因子关联：
分子亚型鉴别：
相关性分析：β值与ER/PR呈负相关（r=-0.363/-0.413），与Ki-67正相关（r=0.263）；Dm和ADC与Ki-67负相关（r=-0.326/-0.313），与PR正相关（r=0.282⁄0.253）。
该研究证实CTRW模型能通过Dm、α、β三个参数无创评估乳腺癌的细胞密度和微环境异质性。其科学价值在于： 1. 提出了一种超越ADC的扩散分析方法，首次系统关联CTRW参数与乳腺癌预后因子及分子亚型； 2. 揭示了β参数作为ER/PR状态影像标志物的潜力； 3. 多参数联合策略显著提升分子分型准确率（如TNBC鉴别AUC达0.763）。
研究样本量较小（n=85），且为单中心回顾性设计。ROI分析仅选取最大层面可能遗漏肿瘤异质性信息。未来需通过多中心前瞻性研究验证结论，并优化b值组合以缩短扫描时间。