基于临床信息的logistic回归模型在乳腺影像报告和数据系统4类中对病灶良恶性的鉴别价值

目的:探讨基于患者临床信息的logistic回归模型在乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)4类中鉴别病灶良恶性的价值。方法:回顾并收集经过病理学检查证实的BI-RADS4类乳腺病灶患者221例(良性133例,恶性88例)的临床信息。采用logistic回归分析筛选能够鉴别病灶良恶性的临床信息特征,建立回归模型。比较BI-RADS联合模型与单独采用BI-RADS分类在鉴别乳腺良恶性病灶上的区别。结果:经logistic回归分析,发现9个临床信息特征与乳腺良恶性病灶相关,其中是否触及病灶(OR=7.196)、病灶是否固定(OR=10.150)、病灶最大径是否2 cm(OR=4.208)等3个特征有较高的危险度(P0.05)。单独采用BI-RADS分类,其诊断灵敏度为86.3%、特异度为69.9%、准确率为76.5%;将BI-RADS分类联合回归模型,其灵敏度为88.6%、特异度为73.7%、准确率为79.6%。结论:BI-RADS分类联合基于患者临床信息的logistic回归模型有助于提高鉴别乳腺病灶良恶性的诊断效能,减少不必要的良性活检。