识别低风险乳腺癌患者,以免下活检:一个多式手术前预测模型

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 手术病理学手术病理学

背景情况:

• 乳腺癌是全球最常见的女性恶性瘤,状淋巴结转移 (ALNM) 显著影响治疗策略.
• 目前的指导方针建议在怀疑淋巴结的情况下进行手术前的超声导向下细胞活检,这对低风险患者带来潜在的侵入性风险.
• 这项研究旨在通过开发一个预测框架来优化活检利用,以评估手术前状淋巴结 (ALN) 状态.

研究的目的:

• 建立一个多式预测框架,用于在乳腺癌患者中进行手术前评估下淋巴结 (ALN) 状态.
• 确定超声导向下活检豁免的候选人,从而优化侵入性手术的使用.
• 为了实现个性化和精细的骨管理策略.

主要方法:

• 对439名符合条件的乳腺癌患者进行回顾性分析,这些患者接受了超声导向的骨活检和手术.
• 使用通过LASSO和后勤回归识别的多变量预测器开发一个名图,包括ER状态,ALN皮质髓边界,皮质厚度,短轴直径和MRI BI-RADS类别.
• 使用ROC分析 (AUC) 评估模型性能,并根据最大Youden指数确定最佳值.

主要成果:

• 雌激素受体 (ER) 状态,ALN皮质-髓边界,皮质厚度,短轴直径和MRI BI-RADS类别被确定为非ALNM的独立预测因素.
• 构建的多式联络名录显示出优异的差别,在培训队列中AUC为0.955,在验证队列中为0.905.
• 该模型在0.3958.8的最佳值下实现了0.7789的最大Youden指数.

结论:

• 开发的多式预测模型整合了临床病理和成像生物标志物 (超声波和MRI) 以进行手术前关风险分层.
• 这种模型在识别适合下活检豁免的乳腺癌患者方面显示出前景,减少了不必要的侵入性手术.
• 该框架支持在乳腺癌护理中的个性化和精细的关管理.