基于多参数MRI的机器学习模型用于预测三阴性乳腺癌
Yuxin Cai1, Yanbo Li1, Wenqi Wang1
1Department of Breast Imaging, Tianjin Medical University Cancer Institute and Hospital, National Clinical Research Center for Cancer, Tianjin's Clinical Research Center for Cancer, Key Laboratory of Breast Cancer Prevention and Therapy, Tianjin Medical University, Ministry of Education, Key Laboratory of Cancer Prevention and Therapy, Tianjin, People's Republic of China.
Breast cancer (Dove Medical Press)
|July 21, 2025
概括
这项研究开发了一种多参数MRI模型,以区分三阴性乳腺癌 (TNBC) 和非TNBC. 该模型显示了用于识别TNBC概率的良好预测能力.
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:
- 三阴性乳腺癌 (TNBC) 是一种需要准确识别的攻击性亚型.
- 在手术前区分TNBC和非TNBC对于治疗规划至关重要.
- 多参数MRI为表征乳腺癌亚型提供了潜力.
研究的目的:
- 用多参数MRI研究TNBC和非TNBC之间的成像特征的差异.
- 根据MRI特征开发和验证用于识别TNBC的预测模型.
主要方法:
- 对来自1353名妇女的1376个恶性病变进行了回顾性分析.
- 病变被分为TNBC或非TNBC,并分为初级 (n=963) 和验证 (n=413) 队列.
- 一个XGBoost机器学习模型使用通过单变量,逻辑回归和Boruta分析识别的独立预测器进行训练.
主要成果:
- 关键的TNBC预测因素包括,,病变直径,增强比率,达到峰值的时间和血管性.
- 预测模型在初级队列中实现了0.795的曲线下面面积 (AUC),在验证队列中达到0.705.
结论:
- 多参数MRI特征可以有效地区分TNBC和非TNBC.
- 开发的XGBoost模型证明了TNBC概率的良好预测性能.
