开发一个多机构数据集,以验证一个新的炎症性乳腺癌诊断得分

科学领域:

• 在瘤学瘤学.
• 医学诊断 医学诊断 医学诊断

背景情况:

• 炎症性乳腺癌 (IBC) 是一种侵袭性乳腺癌形式,需要准确及时诊断.
• 现有的诊断方法可能会从标准化的定量评分标题中受益.
• 患者倡导者和研究人员合作开发IBC的新型诊断工具.

研究的目的:

• 开发和验证用于诊断炎症性乳腺癌 (IBC) 的多机构定量评分表.
• 用全面的临床数据集评估拟议的评分系统的诊断性能.

主要方法:

• 从两个机构收集了988个IBC和332个非IBC案件的大数据集.
• 为了统一的数据解释,制定了标准操作程序.
• 采用了三种数据归算方法,并使用灵敏度,特异性和AUC-ROC来评估诊断准确性.

主要成果:

• 评分标题显示出良好的区别,AUC-ROC值在不同的归算方法中从0.83-0.84不等.
• 对得分的探索性改进进一步提高了诊断性能,达到AUC-ROC值为0.88-0.89.
• 该研究将病例分为IBC的可能性,其中很大一部分属于"非常可能"和"很可能"的类别.

结论:

• 根据迄今为止最大的多机构数据集,经过验证的IBC评分表现在可供临床使用.
• 该工具旨在协助医疗保健提供者和患者在炎症性乳腺癌的诊断过程中.
• 建议对精细的评分算法进行进一步验证,以提高特异性.