目的 构建基于乳腺癌MRI影像特征及临床病理指标的列线图以早期预测乳腺癌患者在新辅助化疗(neoadjuvant chemotherapy, NAC)后的病理完全缓解(pathological complete response, pCR)。材料与方法 回顾性分析2021年1月至2022年10月在兰州大学第一医院行NAC且随后接受手术的82例乳腺癌患者的临床资料。收集患者在化疗前的MRI影像特征、临床相关信息及病理指标。采用单因素逻辑回归分析筛选乳腺癌患者NAC后实现p CR的相关因素，随后进行多因素逻辑回归分析。基于筛选出的独立预测因素构建列线图模型，Bootstrap法用于列线图模型的验证和校准。ROC曲线及决策曲线分析(decision curve analysis, DCA)分别被用于评估列线图模型的诊断效能及临床应Microbiology抑制剂用价值。结果 孕激素受体(progesterone receptor,PR)状态(P=0.04)、人表皮生长因子受体2(human epidermal growth factor receptor 2, HER-2)状态(P<0.01)、表观扩散系数(apparent diffusion coefficient, ADC)最大值(P=0.03)在多因素逻辑回归的分析中显示为pCR的独立预测因素。列线图的ROmedroxyprogesterone acetateC曲线下面积为0.86。Bootstrap法内部验证的校正一致性指数(concordance index, C-index)为0.84，校准图显示了列线图预测概率和实际pGSKJ4CR概率之间的高度一致性。结论 基于PR状态、HER-2状态、ADC最大值的列线图模型有助于预测乳腺癌患者对NAC的病理反应，以实现患者的个性化诊疗，改善患者预后。