对成像特征和临床特征进行全面分析,以区分恶性和非恶性乳腺造影结构扭曲
Shuping Zhang1,2,3,4,5, Zhenzhen Shao1,2,3,4,5, Huiming Yi6
1Department of Breast Imaging, Tianjin Medical University Cancer Institute and Hospital, Tianjin, China.
Gland surgery
|June 7, 2024
概括
这项研究发现,将乳房影像和超声波成像与临床数据相结合,可以改善建筑扭曲 (AD) 的诊断. 机器学习模型提高了乳腺放射科医生的诊断信心,有助于更好地管理患者.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 医疗保健中的机器学习
背景情况:
- 哺乳镜架构扭曲 (AD) 因其微妙和可变的呈现而带来诊断挑战.
- 在手术前区分恶性和良性AD缺乏可靠的成像标准.
- 准确诊断AD对于有效的临床决策和患者管理至关重要.
研究的目的:
- 为了全面分析乳房,超声波和AD病变的临床特征.
- 为了提高AD病变的诊断和差异疗效.
- 提高放射科医生的诊断信心,完善ADS的临床管理策略.
主要方法:
- 在344名女性患者 (2015-2018) 中对346个AD病变进行了回顾性分析.
- 临床数据,乳房,超声波 (包括"第二次观察"超声波) 和病理学结果的审查.
- 对恶性瘤风险因素的后勤回归和使用多式联络特征的机器学习模型的构建.
主要成果:
- 明显的AD和AD与其他乳腺扫描发现更有可能是恶性 (P<0.001,P=0.005).
- 超声波检测到345个病变的相关性;非质量类型的低声区和质量更有可能是恶性 (P<0.001).
- 机器学习模型XGBoost实现了66.46%的灵敏度,94.23%的特异性,78.9%的准确性和0.886.6%的AUC.
结论:
- 乳房镜导向的"第二次观察"超声波改善了对美国相关的检测,特别是非质量样特征.
- 对临床和多式成像数据的全面分析提高了AD的诊断疗效.
- 这些发现支持对乳房镜检测到的AD病变的临床管理策略的改进.
