在乳腺癌治疗前使用超声波指标和非形态磁共振成像参数进行Ki-67表达的预测模型的开发和评估

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 医疗成像医学成像

背景情况:

• 基-67表达是预测乳腺癌对新辅助化疗 (NAC) 反应的关键生物标志物.
• 精确的Ki-67治疗前评估可以优化治疗策略并改善患者的治疗结果.
• 整合各种成像功能提供了增强预测准确性的潜力.

研究的目的:

• 开发和验证乳腺癌Ki-67表达的预测模型.
• 将治疗前超声波特征与非形态磁共振成像 (MRI) 参数相结合.
• 利用机器学习,特别是随机森林,用于预测建模.

主要方法:

• 一项回顾性研究,涉及167名乳腺癌患者,在NAC之前接受了活检和成像 (超声波和MRI).
• 使用基于基尼重要性的随机森林算法进行特征选择.
• 开发一个包含最大直径,明显扩散系数 (ADC),信号增强比率 (SER),最大斜率,高峰时间 (TTP) 和早期增强率 (EER) 的预测模型.

主要成果:

• 开发的模型在验证组中表现出高的预测性能.
• 关键性能指标包括曲线下的面积 (AUC) 为0.961,灵敏度为100%,特异性为85.71%.
• 该模型的精度为0.949,回忆率为1,F1得分为0.974.

结论:

• 非形态MRI参数和治疗前超声波特征的结合显著改善了预测Ki-67表达的诊断性能.
• 基于随机森林的预测模型显示,在新辅助化疗前评估Ki-67水平的临床实用性强.
• 这种综合成像方法为个性化乳腺癌治疗规划提供了一个有前途的非侵入性方法.