基于判别分析模型的乳腺BI-RADS计算机辅助分类

目的:在经典应用的乳腺影像报告数据系统(BI-RADS)基础上,通过量化分析影响评估分类的变量,建立BI-RADS判别分析模型,评估其在临床应用中的价值。方法:10年中共561例有完整影像学资料及经病理或随访证实的BI-RADS分类结果(金标准),对与乳腺病变相关的各种变量进行量化,基于Bayes判别分析方法建立判别模型并编写软件,将除去病理及随访结果的以上病例资料由两位医师分别进行人工分类和软件分类,评估两种方法下医师分类判别与金标准的一致性,以及两位医师之间分类判别的一致性。结果:建立了完整的判别分析模型,其误判概率为1.25%,模型与金标准有高度一致性(Kappa值为0.981)。两位医师使用软件分类的诊断结果与金标准的一致性(Kappa值分别为0.904和0.901)要高于人工分类(Kappa值为0.695和0.632)。人工分类时两位医师诊断结果间的Kappa值为0.575,明显低于软件分类时(Kappa值为0.841)。结论:通过大样本的统计学分析建立标准、合理的判别分析模型,能够有效的预测乳腺肿块的BI-RADS类型,减少对BI-RADS 0类患者的召回率,提高对BI-RADSⅠ～Ⅴ类病变的诊断准确性,并提高不同诊断者间的诊断一致性。