乳腺癌新辅助化疗后肿瘤退缩模式的影响因素分析及其预测模型的构建

夏黎明; 郭伟; 王琳; 夏坤健

doi:10.11714/jsysu.med.YX20260083

您当前的位置：

首页 >

文章列表页 >

乳腺癌新辅助化疗后肿瘤退缩模式的影响因素分析及其预测模型的构建

临床研究 | 更新时间：2026-07-29

- 乳腺癌新辅助化疗后肿瘤退缩模式的影响因素分析及其预测模型的构建
- Analysis of Risk Factors for Tumor Regression Patterns After Neoadjuvant Chemotherapy in Breast Cancer and the Construction of Its Predictive Model
- 中山大学学报（医学科学版） 2026年47卷第4期页码：756-766
- 作者机构：
  
  1.乐平市人民医院普外科，江西景德镇，333000
  2.九江学院第二附属医院普外科，江西九江，332005
  3.南昌大学第二附属医院乳腺外科，江西南昌，330006
- 作者简介：
  
  夏黎明，第一作者，主治医师，研究方向：乳腺癌的基础与临床研究，E-mail： 389786405@qq.com
- 基金信息：
  
  江西省卫生健康委科技计划项目(SKJP220211021)
- DOI：10.11714/jsysu.med.YX20260083
  中图分类号： R737.9
- 收稿：2026-06-09，
  
  录用：2026-07-07，
  
  网络首发：2026-07-21，
  
  纸质出版：2026-07-20
- 稿件说明：
移动端阅览
夏黎明,郭伟,王琳等.乳腺癌新辅助化疗后肿瘤退缩模式的影响因素分析及其预测模型的构建[J].中山大学学报（医学科学版）,2026,47(04):756-766.

XIA Liming,GUO Wei,WANG Lin,et al.Analysis of Risk Factors for Tumor Regression Patterns After Neoadjuvant Chemotherapy in Breast Cancer and the Construction of Its Predictive Model[J].Journal of Sun Yat-sen University(Medical Sciences),2026,47(04):756-766.
夏黎明,郭伟,王琳等.乳腺癌新辅助化疗后肿瘤退缩模式的影响因素分析及其预测模型的构建[J].中山大学学报（医学科学版）,2026,47(04):756-766. DOI： 10.11714/jsysu.med.YX20260083.

XIA Liming,GUO Wei,WANG Lin,et al.Analysis of Risk Factors for Tumor Regression Patterns After Neoadjuvant Chemotherapy in Breast Cancer and the Construction of Its Predictive Model[J].Journal of Sun Yat-sen University(Medical Sciences),2026,47(04):756-766. DOI： 10.11714/jsysu.med.YX20260083.

摘要

目的

探讨乳腺癌新辅助化疗（NACT）后肿瘤退缩模式的影响因素，构建肿瘤退缩模式的预测模型并进行验证。

方法

选取2019年3月1日至2024年3月1日期间接受NACT的1 314例乳腺癌患者作为研究对象，随机分为验证队列（

=301）和研究队列（

=603）。研究队列中，根据NACT后肿瘤退缩模式将患者进一步分为向心性退缩组（病例组，

=387）与非向心性退缩组（对照组，

=216）。收集两组患者的一般临床病理资料并进行比较，采用非条件Logistic回归分析NACT后肿瘤退缩模式的影响因素并建立预测模型，使用Hosmer-Lemeshow检验和受试者工作特征（ROC）曲线评价模型的拟合优度与预测性能，并进行外部验证。

结果

研究队列中，174例（28.9%）患者达到病理学完全缓解（pCR），213例（35.3%）呈单灶退缩，92例（15.3%）呈多灶退缩，78例（12.9%）呈主残余病灶伴卫星病灶，43例（7.1%）为疾病稳定，3例（0.5%）出现疾病进展。两组间年龄、雌激素受体（ER）、孕激素受体（PR）、Ki-67、人表皮生长因子受体2（HER2）、组织学分级、预后营养指数（PNI）及化疗方案的差异均有统计学意义（均

＜ 0.05）。Logistic回归分析显示，年龄（OR=0.563，95% CI：0.358～0.885）、ER（OR=0.521，95% CI：0.350～0.773）、PR（OR=0.552，95% CI：0.379～0.806）、HER2（OR=3.729，95% CI：2.488～5.590）、Ki-67（OR=1.804，95% CI：1.071～3.039）、PNI（OR=2.285，95% CI：1.307～3.997）和组织学分级（Ⅲ级）（OR=2.194，95% CI：1.283～3.751）是NACT后向心性退缩的独立影响因素（均

＜ 0.05）。该logistic回归模型的Hosmer-Lemeshow检验

值为0.927，ROC曲线下面积为0.731（95% CI：0.690～0.772，

＜ 0.001）。外部验证结果显示，该预测模型的ROC曲线下面积为0.764（95% CI：0.709～0.820，

＜ 0.001），敏感度为75.0%，特异度为65.7%，约登指数为0.407。

结论

该Logistic回归模型具有较高的预测价值，可为临床医生预测乳腺癌患者NACT后的肿瘤退缩模式提供参考。

Abstract

Objective

To explore the influencing factors of tumor regression patterns after neoadjuvant chemotherapy （NACT） in breast cancer， construct and validate a predictive model for tumor regression patterns.

Methods

A total of 1 314 breast cancer patients who received NACT between March 1， 2019， and March 1， 2024， were selected as study subjects and randomly divided into a validation cohort （

=301） and a study cohort （

=603）. Within the study cohort， patients were further stratified based on post-NACT tumor regression pattern

s into a concentric regression group（case group）（

=387） and a non-concentric regression group（control group）（

=216）. General clinicopathological data were collected and compared between the two groups. Unconditional logistic regression was used to analyze the influencing factors of tumor regression patterns post-NACT and establish a predictive model. The Hosmer-Lemeshow test and receiver operating characteristic （ROC） curve were employed to evaluate the model's goodness-of-fit and predictive performance， followed by external validation.

Results

Among all subjects in the study cohort， 174 patients （28.9%） achieved pathological complete response （pCR）， 213 （35.3%） showed unifocal regression， 92 （15.3%） had multifocal regression， 78 （12.9%） presented main residual lesions with satellite lesions， 43 （7.1%） had stable disease， and 3 （0.5%） experienced disease progression. Significant differences were observed between the two groups in age， estrogen receptor（ER）， progesterone receptor（PR）， Ki-67， human epidermal growth factor receptor 2（HER2）， histological grade， prognostic nutritional index（PNI）， and chemotherapy regimen （all

＜ 0.05）. Logistic regression analysis revealed that age （OR=0.563， 95% CI： 0.358–0.885）， ER （OR=0.521， 95% CI： 0.350–0.773）， PR（OR=0.552， 95% CI： 0.379–0.806）， HER2（OR=3.729， 95% CI： 2.488–5.590）， Ki-67 （OR=1.804， 95% CI： 1.071–3.039）， PNI （OR=2.285， 95% CI： 1.307–3.997） and histological grade （Ⅲ）（OR=2.194 95% CI： 1.283–3.751） were independent influencing factors for concentric regression post-NACT （all

＜ 0.05）. The Hosmer-Lemeshow test for the logistic regression model yielded a

-value of 0.927， and the area under the ROC curve was 0.731 （95%CI： 0.690-0.772，

＜ 0.001）. External validation demonstrated that the area under the ROC curve of this prediction model was 0.764 （95% CI： 0.709–0.820，

＜0.001）， with a sensitivity of 75.0% and a specifi

city of 65.7%. The Youden's index was 0.407.

Conclusion

This logistic regression model exhibits high predictive value and provides a reference for clinicians to predict tumor regression patterns in breast cancer patients after NACT.

关键词

Keywords

references

Sung H ， Ferlay J ， Siegel RL ， et al . Global cancer statistics 2020： GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries ［J］. CA Cancer J Clin ， 2021 ， 71 （ 3 ）： 209 - 249 .

Tamirisa N ， Hunt KK . Neoadjuvant chemotherapy， endocrine therapy， and targeted therapy for breast cancer： ASCO guideline ［J］. Ann Surg Oncol ， 2022 ， 29 （ 3 ）： 1489 - 1492 .

杨金喆，李秀凤，次宇婕，等 . 新辅助化疗联合小剂量阿帕替尼治疗三阴性乳腺癌疗效［J］. 临床军医杂志， 2024 ， 52 （ 10 ）： 1053 - 1055 .

Yang JZ ， Li XF ， Ci YJ ， et al . The efficacy of neoadjuvant chemotherapy combined with low-dose apatinib in the treatment of triple-negative breast cancer ［J］. Clin J Med Officers ， 2024 ， 52 （ 10 ）： 1053 - 1055 .

Huang X ， Xu Z ， Zhao Y ， et al . Longitudinal MRI-based deep learning model for predicting pathological complete response in breast cancer： a multicenter， retrospective cohort study ［J］. npj Precision Oncology ， 2026 ， 10 （ 1 ）. doi： 10.1038/s41698-025-01256-2 http://dx.doi.org/10.1038/s41698-025-01256-2 .

Zhuang X ， Chen C ， Liu Z ， et al . Multiparametric MRI-based radiomics analysis for the prediction of breast tumor regression patterns after neoadjuvant chemotherapy ［J］. Transl Oncol ， 2020 ， 13 （ 11 ）： 100831 .

Fan M ， Wang K ， Pan D ， et al . Radiomic analysis reveals diverse prognostic and molecular insights into the response of breast cancer to neoadjuvant chemotherapy： a multicohort study ［J］. J Transl Med ， 2024 ， 22 （ 1 ）： 637 .

Gradishar WJ ， Moran MS ， Abraham J ， et al . Breast cancer， version 3.2022， NCCN clinical practice guidelines in oncology ［J］. J Natl Compr Canc Netw ， 2022 ， 20 （ 6 ）： 691 - 722 .

Dubey S ， Krishnanand K ， Shukla Y ， et al . Factors influencing surgical choices in breast cancer treatment in india： a comparative study of breast-conserving surgery vs mastectomy ［J］. Cureus ， 2024 ， 16 （ 8 ）： e66825 .

Wolff AC ， Hammond MEH ， Allison KH ， et al . Human epidermal growth factor receptor 2 testing in breast cancer： American society of clinical oncology/college of American pathologists clinical practice guideline focused update ［J］. J Clin Oncol ， 2018 ， 36 （ 20 ）： 2105 - 2122 .

Eisenhauer EA ， Therasse P ， Bogaerts J ， et al . New response evaluation criteria in solid tumours： revised RECIST guideline （version 1.1）［J］. J Eur J Cancer ， 2009 ， 45 （ 2 ）： 228 - 247 .

Harbeck N . Neoadjuvant and adjuvant treatment of patients with HER2-positive early breast cancer ［J］. Breast ， 2022 ，62 Suppl 1 （Suppl 1）： S12 - S16 .

Gradishar WJ ， Moran MS ， Abraham J ， et al . Breast cancer， version 3.2024， NCCN clinical practice guidelines in oncology ［J］. J Natl Compr Canc Netw ， 2024 ， 22 （ 5 ）： 331 - 357 .

Graeser M ， Schrading S ， Gluz O ， et al . Magnetic resonance imaging and ultrasound for prediction of residual tumor size in early breast cancer within the ADAPT subtrials ［J］. Breast Cancer Res ， 2021 ， 23 （ 1 ）： 36 .

Rajan KK ， Boersma C ， Beek MA ， et al . Optimizing surgical strategy in locally advanced breast cancer： a comparative analysis between preoperative MRI and postoperative pathology after neoadjuvant chemotherapy ［J］. Breast Cancer Res Treat ， 2024 ， 203 （ 3 ）： 477 - 486 .

Mougalian SS ， Hernandez M ， Lei X ， et al . Ten-year outcomes of patients with breast cancer with cytologically confirmed axillary lymph node metastases and pathologic complete response after primary systemic chemotherapy ［J］. JAMA Oncol ， 2016 ， 2 （ 4 ）： 508 - 516 .

Li M ， Xu B ， Shao Y ， Liu H ， Du B ， Yuan J . Magnetic resonance imaging patterns of tumor regression in breast cancer patients after neo-adjuvant chemotherapy， and an analysis of the influencing factors ［J］. Breast J ， 2017 ， 23 （ 6 ）： 656 - 662 .

Mamounas EP ， Anderson SJ ， Dignam JJ ， et al . Predictors of locoregional recurrence after neoadjuvant chemotherapy： results from combined analysis of national surgical adjuvant breast and bowel project B-18 and B-27 ［J］. J Clin Oncol ， 2012 ， 30 （ 32 ）： 3960 - 3966 .

Fukada I ， Araki K ， Kobayashi K ， et al . Pattern of tumor shrinkage during neoadjuvant chemotherapy is associated with prognosis in low-grade luminal early breast cancer ［J］. Radiology ， 2018 ， 286 （ 1 ）： 49 - 57 .

Reis J ， Thomas O ， Lahooti M ， et al . Correlation between MRI morphological response patterns and histopathological tumor regression after neoadjuvant endocrine therapy in locally advanced breast cancer： a randomized phase Ⅱ trial ［J］. Breast Cancer Res Treat ， 2021 ， 189 （ 3 ）： 711 - 723 .

Goorts B ， Dreuning KMA ， Houwers JB ， et al . MRI-based response patterns during neoadjuvant chemotherapy can predict pathological （complete） response in patients with breast cancer ［J］. Breast Cancer Res ， 2018 ， 20 （ 1 ）： 34 .

Wang W ， Tian B ， Xu X ， et al . Clinical features and prognostic factors of breast cancer in young women： a retrospective single-center study ［J］. Arch Gynecol Obstet ， 2023 ， 307 （ 3 ）： 957 - 968 .

Wang S ， Zhang Y ， Yang X ， et al . Shrink pattern of breast cancer after neoadjuvant chemotherapy and its correlation with clinical pathological factors ［J］. World J Surg Oncol ， 2013 ， 11 （ 1 ）： 166 .

Zhang Y ， Liu M ， Yang H ， et al . PIK3CA mutations are a predictor of docetaxel plus epirubicin neoadjuvant chemotherapy clinical efficacy in breast cancer ［J］. Neoplasma ， 2014 ， 61 （ 4 ）： 461 - 467 .

Dubsky P ， Pinker K ， Cardoso F ， et al . Breast conservation and axillary management after primary systemic therapy in patients with early-stage breast cancer： the Lucerne toolbox ［J］. Lancet Oncol ， 2021 ， 22 （ 1 ）： e18 - e28 .

Wang M ， Du S ， Gao S ， et al . MRI-based tumor shrinkage patterns after early neoadjuvant therapy in breast cancer： correlation with molecular subtypes and pathological response after therapy ［J］. Breast Cancer Res ， 2024 ， 26 （ 1 ）： 26 .

Cho N . Imaging features of breast cancer molecular subtypes： state of the art ［J］. J Pathol Transl Med ， 2021 ， 55 （ 1 ）： 16 - 25 .

Lee HJ ， Song IH ， Seo AN ， et al . Correlations between molecular subtypes and pathologic response patterns of breast cancers after neoadjuvant chemotherapy ［J］. Ann Surg Oncol ， 2015 ， 22 （ 2 ）： 392 - 400 .

Katayama A ， Miligy IM ， Shiino S ， et al . Predictors of pathological complete response to neoadjuvant treatment and changes to post-neoadjuvant HER2 status in HER2-positive invasive breast cancer ［J］. Mod Pathol ， 2021 ， 34 （ 7 ）： 1271 - 1281 .

Díaz-Redondo T ， Lavado-Valenzuela R ， Jimenez B ， et al . Different pathological complete response rates according to PAM50 subtype in HER2+ breast cancer patients treated with neoadjuvant pertuzumab/trastuzumab vs. trastuzumab plus standard chemotherapy： an analysis of real-world data ［J］. Front Oncol ， 2019 ， 9 ： 1178 .

Gong Y ， Zuo H ， Zhou Y ， et al . Neoadjuvant pseudomonas aeruginosa mannose-sensitive hemagglutinin （PA-MSHA） and chemotherapy versus placebo plus chemotherapy in patients with HER2-negative breast cancer： a randomized， controlled， double-blind trial ［J］. Ann Transl Med ， 2023 ， 11 （ 6 ）： 243 .

Xie H ， Wei L ， Yuan G ， et al . Prognostic value of prognostic nutritional index in patients with colorectal cancer undergoing surgical treatment ［J］. Front Nutr ， 2022 ， 9 ： 794489 .

Chen L ， Bai P ， Kong X ， et al . Prognostic nutritional index （PNI） in patients with breast cancer treated with neoadjuvant chemotherapy as a useful prognostic indicator ［J］. Front Cell Dev Biol ， 2021 ， 9 ： 656741 .

刘晨，陈小波，黄晓媚，等 . 基于MRI影像组学预测乳腺癌新辅助化疗后肿瘤退缩模式的研究［J］. 磁共振成像， 2023 ， 14 （ 3 ）： 28 - 35 .

Liu C ， Chen XB ， Huang XM ， et al . Prediction of tumor regression pattern after neoadjuvant chemotherapy for breast cancer based on MRI radiomics ［J］. Chin J Magn Reson Imaging ， 2023 ， 14 （ 3 ）： 28 - 35 .

Huang Y ， Chen W ， Zhang X ， et al . Prediction of tumor shrinkage pattern to neoadjuvant chemotherapy using a multiparametric MRI-based machine learning model in patients with breast cancer ［J］. Front Bioeng Biotechnol ， 2021 ， 9 ： 662749 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

乳腺癌分子分型在新辅助化疗疗效和预后中的预测作用

细菌及其代谢物影响乳腺癌发展及治疗的研究进展

腔镜在乳腺癌外科治疗应用的研究进展

威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证

超声引导下微波消融治疗子宫动静脉瘘探讨