开发一个名录预测模型,以提高补充超声波后阴性乳房造影的诊断准确度
Cheng Li1, Yong Luo1, Yan Jiang2
1Department of Breast and Thyroid Surgery, Ningbo Medical Center Lihuili Hospital, Ningbo, Zhejiang Province, China.
Medicine
|February 19, 2025
概括
这项研究开发了一种名图,用于预测乳腺质恶性瘤,在阴性乳房影像后通过补充超声波发现. 该模型显著提高了积极预测值 (PPV),可能减少乳腺密度较高的女性不必要的活检.
科学领域:
- 放射学和成像学 放射学和成像学
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 乳房摄影的有效性在密集的乳房中是有限的,导致错误的负面结果.
- 补充超声波提高了灵敏度,但具有较低的积极预测值 (PPV),导致不必要的活检.
研究的目的:
- 开发一个名图模型,以预测通过负性乳房扫描后的补充超声波识别的乳腺质量的恶性病变.
- 提高补充超声波的PPV,减少不必要的活检.
主要方法:
- 追溯数据收集和随机化成培训 (298个质量) 和验证 (127个质量) 集.
- 使用最小绝对收缩和选择操作员 (LASSO) 进行变量选择.
- 使用ROC曲线,校准曲线,决策曲线分析和诊断指标评估模型性能.
主要成果:
- 使用5个关键预测变量开发了一个名录,实现了高分辨率 (AUC 0.91培训,0.88验证).
- 诺米图显著增加了PPV从0.18到0.56 (培训) 和0.21到0.56 (验证).
- 通过Hosmer-Lemeshow测试和决策曲线分析证明了良好模型适合性和临床实用性.
结论:
- 成功开发了一种强大的诺莫格拉姆模型,用于通过补充超声波发现可疑乳腺质量的恶性瘤.
- 诺米图显著改善了PPV,为减少不必要的乳腺活检提供了一个有希望的策略.
