乳房纹理的放射性帕伦基马现象从乳房影像和与患乳腺癌风险的关联

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 在瘤学瘤学.

背景情况:

• 乳腺图片上的囊细胞模式反映了组织异质性.
• 了解这些表型对于准确的乳腺癌风险评估至关重要.

研究的目的:

• 通过全场数字造乳镜 (FFDM) 来定义基于放射性纹理的辅酶体表型.
• 评估这些表型与未来乳腺癌风险,假阴性 (FN) 发现和间隔癌症的关联.
• 评估这些关联超越传统的乳腺密度测量和跨种族/种族群体.

主要方法:

• 通过使用层次聚类和主要组件 (PC) 分析,对30,000张FFDM图像进行了回顾性分析,以确定表型.
• 对1055例侵袭性乳腺癌病例和2764例对照进行了嵌套病例对照研究,以评估关联.
• 放射性特征 (n=390) 被提取并根据年龄,BMI和BI-RADS密度进行调整.

主要成果:

• 确定和复制了六个集群和六个PC.
• PCs与更高的侵入性乳腺癌风险 (P < .001) 和FN发现 (P = .004) 和间隔癌症 (P = .006) 有关.
• 黑人和白人女性之间的关联一致 (P = .23).
• 在结合PC时,ROC曲线下的面积 (AUC) 对FN发现 (0.73对0.66) 和间隔癌症 (0.77对0.68) 显著改善.

结论:

• 由FFDM放射性特征衍生出的帕伦基马表型与侵袭性乳腺癌风险增加有关.
• 这些放射性现象类型增强了假阴性乳房影像和症状间隔癌症的预测.
• 这种方法提供了比标准乳腺密度评估更全面的风险评估.