预测乳腺癌中的Ki-67表达水平,使用基于数字乳腺图解合成和超声波的放射学方法

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 在瘤学瘤学.

背景情况:

• 基-67是乳腺癌扩散和预后的关键生物标志物.
• 准确的Ki-67状态的非侵入性预测对于治疗规划至关重要.
• 目前的成像方法在预测瘤生物特征方面存在局限性.

研究的目的:

• 使用超声波 (美国) 和数字乳腺图解合成 (DBT) 图像构建和验证放射学模型.
• 在乳腺癌中预测Ki-67状态的非侵入性方法.
• 为了评估美国和DBT放射学对Ki-67预测的综合性能.

主要方法:

• 对149名接受了DBT和US扫描的乳腺癌患者的回顾性分析.
• 从DBT和美国图像中提取,选择和减少放射学特征的维度.
• 使用单模和组合成像数据开发和验证放射学模型 (SVM,LR,RF).
• 使用AUC,精度,特异性,灵敏度和决策曲线分析 (DCA) 评估模型性能.

主要成果:

• 合并的美国和DBT放射学模型 (merge_SVM) 实现了0.800的最高曲线下面积 (AUC),优于单模模型.
• 根据DCA的说法,合并_SVM与仅用于美国和仅用于DBT的模型相比,具有更高的临床实用性.
• 一个纳米图集放射学分数和瘤大小在测试组中实现了0.818的AUC,显示了增强的预测性能.

结论:

• 融合放射学模型整合了美国和DBT数据,可以更好地预测乳腺癌的Ki-67表达水平.
• 虽然组合模型显示了好处,但当资源有限时,单独DBT是首选的手术前诊断模式.
• 开发的诺米图表代表了预测乳腺癌中的Ki-67水平的宝贵工具,提供了显著的预测优势.