基于多参数MRI的全体量放射学机器学习模型在预测三阴性乳腺癌中的价值

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:

• 三重阴性乳腺癌 (TNBC) 存在诊断方面的挑战.
• 准确区分TNBC与其他乳腺癌亚型对于治疗计划至关重要.

研究的目的:

• 评估放射学分析在精确诊断TNBC方面的有效性.
• 评估结合动态对比增强磁共振成像 (DCE-MRI) 和表面扩散系数 (ADC) 地图的诊断价值.

主要方法:

• 对326名乳腺癌患者 (129名TNBC,197名非TNBC) 的回顾性分析.
• 从DCE-MRI和ADC地图中提取的全卷放射学特征.
• 支持矢量机器分类器用于构建预测模型 (ADC,DCE-MRI,组合).
• 接收器操作特征 (ROC) 曲线分析以评估诊断性能.

主要成果:

• 综合放射学模型在训练组中达到0.896的曲线下的面积 (AUC),在验证组中达到0.876.
• 放射学模型在区分TNBC方面表现优于传统的MR成像模型.
• 放射学模型的AUC在0.801到0.896 (培训) 和0.742到0.876 (验证) 之间.

结论:

• 综合DCE-MRI和ADC地图的放射学分析显示了TNBC诊断的重大前景.
• 这种综合方法为区分TNBC与非TNBC提供了有价值的工具.
• 这些发现支持使用放射学来提高乳腺癌亚型的精度.