多模态超声列线图模型鉴别BI-RADS 4类乳腺病变良恶性的临床价值

目的 建立基于临床资料、剪切波弹性成像参数和超声影像组学的列线图模型，探讨其鉴别BI-RADS 4类乳腺病变良恶性的效能。方法 回顾性收集2017年12月至2023年6月3家医院共403例BI-RADS 4类乳腺病变患者的临床资料、剪切波弹性成像及病理检查结果，以2017年12月至2019年6月南京鼓楼医院和2019年6月至2019年12月安徽医科大学第一附属医院共283个乳腺病灶为训练集，2022年4月至2023年6月北京世纪坛医院120个乳腺病灶为验证集，按病理结果，将训练集和验证集分为良性组和恶性组。通过提取病灶灰阶超声影像组学特征计算影像组学评分（Rad-score）。采用单因素及多因素Logistic回归分析鉴别BI-RADS 4类乳腺病变良恶性的影响因素，构建预测模型并绘制列线图，采用受试者工作特征（ROC）曲线、校准曲线及临床决策曲线评估该模型的效能。结果 经过特征提取及筛选，最终纳入13个影像组学特征用于计算Rad-score，验证集良、恶性组Rad-score分别为-1.07 (-1.64, -0.37)分、0.07（-0.3，0.56）分]，二者比较差异有统计学意义（Z=514，P<0.001）。多因素Logistic回归分析显示年龄（OR值：1.107，P<0.001）和最大剪切波速度（SWVmax）（OR值：3.919，P<0.001）及Rad-score（OR值：4.18，P<0.001）是预测乳腺恶性病变的独立影响因素。基于以上3个因素构建的列线图模型在训练集中及验证集中鉴别BI-RADS 4类乳腺病变良恶性的ROC曲线下面积均高于SWVmax和Rad-score（均P＜0.001），且拟合度均良好（均P＞0.05）；在验证集中使用列线图模型预测BI-RADS 4类病变能获得更高的临床收益，将非必要穿刺活检率降低了61.16%。结论 基于患者年龄、SWVmax及Rad-score构建的列线图模型能有效预测BI-RADS 4类乳腺病变良恶性，降低非必要穿刺活检率，有一定的临床价值。