一项探索性研究预测乳腺癌的HER2阳性表达状态,使用超声波放射学与机器学习模型相结合
Xin-Ran Zhang1, Sha-Sha Yuan1, Jiao-Jiao Hu2
1School of Gongli Hospital Medical Technology, University of Shanghai for Science and Technology, Shanghai, China.
PloS one
|October 23, 2025
概括
这项研究表明,使用超声波放射学的机器学习模型可以预测人类表皮生长因子受体2 (HER2) 阳性乳腺癌状态. 这些模型证明了在非侵入性识别HER2阳性病例方面具有潜在的临床价值.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 准确预测人类表皮生长因子受体2 (HER2) 阳性状态对于乳腺癌 (BC) 治疗决策至关重要.
- 传统的超声波成像为BC评估提供了一个非侵入性的模式.
研究的目的:
- 评估HER2阳性BC的预测模型的可行性和临床价值.
- 利用超声波图像和机器学习的放射学特征开发模型.
主要方法:
- 从437名BC患者 (144名HER2阳性,293名HER2阴性) 的超声波图像的回顾分析.
- 使用LASSO,t-test和PCA进行特征选择,然后进行五倍交叉验证以优化机器学习模型.
- 外部验证使用88名患者的单独队列.
主要成果:
- 确定了五种与HER2阳性状态显著相关的放射性特征.
- 最好的预测模型在内部验证中实现了0.893的ROC曲线下的面积 (AUC),在外部验证中达到0.854.
- 该模型表现出良好的通用性和预测性能.
结论:
- 整合超声波放射学特征的机器学习模型对预测乳腺癌中HER2阳性状况有希望.
- 这种方法可以提供一个有价值的,非侵入性的工具,以帮助BC患者的临床决策.
