【摘要】目的：探讨基于乳腺癌的MRI放射组学特征预测磷脂酰肌醇3-激酶（PI3K）和受体酪氨酸激酶-RAS（RTK-RAS）信号通路 状态共同改变的应用价值。方法：下载癌症成像档案馆的86例乳腺癌MRI动态对比增强影像和基因数据。基于3D-slicer软件实现乳腺 癌病灶分割，并采用PyRadiomics软件包提取放射组学特征。采用自动编码器机器学习算法构建放射组学和基因组学的通路状态共同改 变的预测模型。采用受试者工作特征曲线（ROC）评估模型性能并以DeLong检验分析模型的差异性。结果：放射组学模型在训练和验证 队列的曲线下面积（AUC）分别为0.850和0.815；基因组学模型在训练和验证队列的AUC分别为0.920和0.778。DeLong检验发现放 射组学和基因组学的预测性能在训练和验证队列中比较，差异均无统计学意义（P=0.454、0.724）。结论：MRI放射组学在预测乳腺癌 PI3K、RTK-RAS 信号通路状态改变与基因组学相比具有相似的性能，其可作为基因组学的非侵入性替代手段。 

【关键词】乳腺癌；磷脂酰肌醇3-激酶；受体酪氨酸激酶-RAS；放射组学；机器学习