目的:研发一种影像组学结合乳腺影像报告和数据系统(BI-RADS)的列线图模型,用于预测BI-RADS超声(US)4类或5类病变中的乳腺癌。方法:选取2021年11月至2024年9月在滁州市第一人民医院和新疆维吾尔自治区中医院就诊的315例女性乳腺肿瘤患者...目的:研发一种影像组学结合乳腺影像报告和数据系统(BI-RADS)的列线图模型,用于预测BI-RADS超声(US)4类或5类病变中的乳腺癌。方法:选取2021年11月至2024年9月在滁州市第一人民医院和新疆维吾尔自治区中医院就诊的315例女性乳腺肿瘤患者,将2022年1月至2023年8月就诊于新疆维吾尔自治区中医院的211例患者纳入训练组,2021年11月至2024年9月就诊于滁州市第一人民医院的104例患者纳入验证组。根据训练组的多元回归分析结果开发影像组学评分结合BI-RADS US的列线图模型,在验证组中评估列线图预测乳腺癌的影响因素、区分度、校准和临床实用性。结果:影像组学评分和BI-RADS类别是预测乳腺恶性肿瘤独立影响因素(OR=4.66、4.87,P<0.05)。受试者工作特征(ROC)曲线分析中,训练组和验证组列线图模型区分恶性和良性病变能力的ROC曲线下面积(AUC)分别为为0.928和0.883,均优于影像组学评分的AUC(0.791和0.864)以及BI-RADS类别AUC(0.825和0.857),其差异均有统计学意义(Z训练组=4.026、3.716,Z验证组=3.142、2.847,P<0.05)。结论:基于影像组学评分和BI-RADS类别的列线图模型对于BI-RADS US 4或5类乳腺恶性肿瘤的预测具有潜在的应用价值。展开更多
文摘目的:研发一种影像组学结合乳腺影像报告和数据系统(BI-RADS)的列线图模型,用于预测BI-RADS超声(US)4类或5类病变中的乳腺癌。方法:选取2021年11月至2024年9月在滁州市第一人民医院和新疆维吾尔自治区中医院就诊的315例女性乳腺肿瘤患者,将2022年1月至2023年8月就诊于新疆维吾尔自治区中医院的211例患者纳入训练组,2021年11月至2024年9月就诊于滁州市第一人民医院的104例患者纳入验证组。根据训练组的多元回归分析结果开发影像组学评分结合BI-RADS US的列线图模型,在验证组中评估列线图预测乳腺癌的影响因素、区分度、校准和临床实用性。结果:影像组学评分和BI-RADS类别是预测乳腺恶性肿瘤独立影响因素(OR=4.66、4.87,P<0.05)。受试者工作特征(ROC)曲线分析中,训练组和验证组列线图模型区分恶性和良性病变能力的ROC曲线下面积(AUC)分别为为0.928和0.883,均优于影像组学评分的AUC(0.791和0.864)以及BI-RADS类别AUC(0.825和0.857),其差异均有统计学意义(Z训练组=4.026、3.716,Z验证组=3.142、2.847,P<0.05)。结论:基于影像组学评分和BI-RADS类别的列线图模型对于BI-RADS US 4或5类乳腺恶性肿瘤的预测具有潜在的应用价值。
