多参数MRI用于区分异常性粒状乳腺炎和侵袭性乳腺癌:提高放射科医生的诊断准确度

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 异形细粒状乳腺炎 (IGM) 和侵入性乳腺癌 (IBC) 在MRI上可能呈现出类似的成像特征.
• 准确的区分对于适当的患者管理和治疗至关重要.
• 多参数MRI提供了详细的组织特征,这可能有助于区分这些疾病.

研究的目的:

• 开发和验证一个整合多参数MRI放射学和临床数据的模型,以区分IGM和IBC.
• 评估模型在模两可的情况下提高诊断准确性的潜力.
• 评估模型对放射科医生决策的影响.

主要方法:

• 一项回顾性研究包括255名女性患者 (135名IGM,120名IBC) 在培训,内部和外部验证队列中.
• 分析了多参数MRI (DCE和DWI) 数据的放射性特征,结合临床数据.
• 构建了后勤回归模型,包括一个联合放射学-临床模型 (Fusion_rad + cli-model).

主要成果:

• Fusion_rad + cli模型显示出高诊断性能,AUC为0.946 (训练),0.923 (内部) 和0.845 (外部验证).
• 这种模型在所有队列中在区分IGM和IBC方面超过了其他测试模型.
• 该模型将放射科医生的平均精度从0.732提高到0.805 (内部) 和0.717提高到0.792 (外部).

结论:

• 开发的放射学临床模型显示了在MRI上将IGM与IBC区分开来的巨大潜力.
• 该模型的整合可以提高放射科医生的诊断能力,特别是在具有挑战性的病例中.
• 建议在更大,更多样化的群体中进行进一步验证,以实现常规的临床工作流集成.