自动乳腺全容积扫描结合机器学习在乳腺癌HER-2状态术前预测中的价值

目的 探讨自动乳腺全容积扫描(ABVS)结合不同机器学习(ML)算法术前预测人表皮生长因子受体2(HER-2)状态的价值。方法 收集乳腺癌患者202例,HER-2阳性组68例,HER-2阴性组134例,按7∶3将患者随机分为训练组(141例)、测试组(61例)。采用最小绝对收缩和选择算子(LASSO)回归降维筛选最优特征,多因素Logistic回归筛选独立危险因素,并利用支持向量机(SVM)、最近邻算法(KNN)、决策树(DT)、随机森林(RF)、极端梯度推进(XGBoost)5种不同ML算法构建预测模型。结果 肿块边界、微分叶、微钙化、血流分级、冠状面汇聚征及虫噬征、腋窝淋巴结状态为最优特征,多因素分析微钙化、血流分级、冠状面汇聚征、腋窝淋巴结状态为独立危险因素,测试组SVM、KNN、DT、RF、XGBoost的曲线下面积(area under curve, AUC)分别为0.767、0.768、0.783、0.768、0.805。结论 ABVS超声特征结合机器学习术前能够有效预测乳腺癌HER-2状态,其中XGBoost表现最突出。     

基于ABVS影像组学联合VTQ术前预测浸润性乳腺癌淋巴血管侵犯

目的:探讨基于自动乳腺全容积成像(ABVS)冠状面图像影像组学联合声触诊组织定量(VTQ)技术术前预测浸润性乳腺癌淋巴血管侵犯(LVI)的价值。方法:收集经病理及免疫组化证实的浸润性乳腺癌患者138例,LVI阳性43例,LVI阴性95例。基于ABVS冠状面图像提取影像组学特征,采用LASSO回归降维,筛选最优特征,构建影像组学标签评分(Rad-score)。Rad-score联合超声特征采用Logistic单因素和多因素回归分析筛选独立预测因子,基于超声特征构建影像学模型,影像学模型结合Rad-score构建联合模型,并绘制联合模型列线图和校准曲线。Hosmer-Lemeshow检验评价联合模型的拟合优度,受试者操作特征(ROC)曲线下面积(AUC)评判各模型效能,Delong检验比较各模型AUC,2折交叉对模型行交叉验证,临床决策曲线(DCA)评判模型临床适用性。结果:共筛选8个最优特征构建Rad-score,多因素Logistic回归显示肿瘤长径(LD)、剪切波速度(SWV)及Rad-score为独立危险因素。校准曲线显示预测值与观测值一致性较高,C-index=0.828。Hos...     

多模态超声联合病理参数列线图预测乳腺癌腋窝淋巴结转移负荷

目的 探讨多模态超声联合病理参数列线图预测乳腺癌腋窝淋巴结转移负荷的临床价值。方法 回顾性分析159例乳腺癌患者超声及临床病理资料,分为腋窝轻度负荷组(淋巴结转移<3个)及重度负荷组(淋巴结转移≥3个),单因素及多因素Logistic分析筛选独立影响因素构建列线图。采用赤池信息准则(AIC)、贝叶斯信息准则(BIC)及受试者工作特征(ROC)曲线评价列线图的拟合优度及区分度。校准曲线及决策曲线分析(DCA)评价列线图的校准度及临床适用性。结果 Logistic分析显示脉管侵犯、最大径、汇聚征、弹性评分是腋窝淋巴结转移负荷的独立影响因素。基于上述独立影响因素构建的列线图曲线下面积(AUC)为0.909。AIC值和BIC值分别为112.66、118.87。校准曲线示预测概率与实际值一致性好,DCA示列线图有较高的临床适用性。结论 多模态超声联合病理参数列线图预测乳腺癌腋窝淋巴结转移负荷具有较高临床价值,可作为临床诊疗决策参考工具。     

自动乳腺全容积成像预测乳腺结节良恶性列线图模型的建立与验证

目的:建立并验证自动乳腺全容积成像(automated breast volume scanner, ABVS)预判乳腺结节良恶性的列线图模型,评价其临床应用价值。方法:回顾性收集2021年11月01日至2022年12月31日经ABVS检查诊断为BI-RADS 3～5类乳腺结节的患者临床资料,共有398例患者,532个乳腺结节纳入本研究。随机按照7∶3的比例分为训练集(n=372)和验证集(n=160)。通过LASSO回归筛选出潜在的变量,纳入Logistic回归筛选出独立危险因素,基于独立危险因素构建联合预测模型,并绘制可视化列线图。使用受试者工作特征(receiver operating characteristic, ROC)曲线评价列线图诊断效能。使用DeLong检验来比较独立变量与列线图的诊断性能。使用Hosmer-Lemeshow检验评价列线图的校准度,采用决策曲线分析(decision curve analysis, DCA)验证列线图的临床有效性。结果:通过LASSO回归、单因素和多因素Logistic回归筛选出ABVS诊断乳腺癌的独立危险因素为年龄、微钙化、边界、微分...     

病理参数联合ABVS影像特征列线图预测乳腺癌Luminal分型

目的 分析病理参数联合超声自动乳腺全容积扫描(ABVS)影像特征构建的列线图预测乳腺癌Luminal分型的价值。方法 回顾性分析212例行超声ABVS检查的Luminal型乳腺癌患者的病理及超声资料,以雌激素受体(ER)阳性、人表皮生长因子受体2(HER-2)阴性、Ki-67<14%及孕激素受体(PR)>20%作为Luminal A型乳腺癌的分型标准,将患者分为Luminal A型(64例)与Luminal B型(148例),按7∶3将患者随机分为训练组(n=148)与验证组(n=64)。单因素与多因素Logistic回归分析筛选预测乳腺癌Luminal分型的独立影响因素,基于独立影响因素构建联合预测模型,并绘制模型的列线图与校准曲线。结果 单因素与多因素Logistic回归分析发现脉管侵犯、长径及冠状面汇聚征为预测乳腺癌Luminal分型的独立影响因素,联合模型曲线下面积(AUC)训练组为0.725(95%CI:0.639～0.812),验证组为0.777(95%CI:0.640～0.915)。结论 病理参数联合超声ABVS影像特征区分乳腺癌Luminal分型有一定价值,...     

自动乳腺全容积成像联合声辐射力脉冲成像的列线图模型鉴别诊断乳腺导管原位癌与浸润癌的价值

目的 探讨基于自动乳腺全容积成像（ABVS）联合声辐射力脉冲成像（ARFI）构建的列线图模型在乳腺导管原位癌（DCIS）与浸润性导管癌（IDC）中的鉴别诊断价值。方法 回顾性分析我院经手术病理证实为DCIS或IDC的150例患者（150个病灶）的病历资料，包括DCIS组39例（39个）和IDC组111例（111个），比较两组临床及影像学表现的差异；采用多因素Logistic回归分析鉴别DCIS与IDC的独立影响因素。建立各参数鉴别DCIS与IDC的列线图模型；绘制受试者工作特征（ROC）曲线分析该模型的诊断效能；3折交叉验证评估该模型的稳定性及泛化能力；Hosmer-Lemeshow检验并绘制校准曲线评价该模型的拟合优度及校准度；决策曲线分析该模型的临床获益。结果 多因素Logistic回归分析结果显示，纵横比、微分叶、冠状面特征、声触诊组织定量（VTQ）值是鉴别DCIS与IDC的独立影响因素（均P<0.05）。基于上述因素构建的列线图模型鉴别DCIS与IDC的ROC曲线下面积（AUC）为0.787[95%可信区间（CI）:0.703～0.871]，灵敏度为82.9%，特异度为6...