重新思考乳腺成像报告和数据系统 (BI-RADS) 4:来自乳房图像分类的临床见解

科学领域:

• 放射学和成像学 放射学和成像学
• 在瘤学瘤学.
• 病理学 病理学 病理学

背景情况:

• 准确识别恶性乳腺病变对于及时干预至关重要.
• 乳腺成像报告和数据系统 (BI-RADS) 4个子类别用于分层风险,但它们的预测价值需要进一步评估.
• 临床因素也可能影响BI-RADS 4病变中的恶性瘤风险.

研究的目的:

• 评估 BI-RADS 4 个子类别和临床因素在识别恶性乳腺病变中的预测价值.
• 分析组织病理学结果与成像子类别/临床参数之间的相关性.
• 通过纳入分类和患者因素来完善恶性瘤风险评估.

主要方法:

• 在2022年1月至2025年8月期间,对190名患有BI-RADS 4病变的妇女进行了回顾性评估.
• 组织病理与成像子类别 (4a,4b,4c) 和临床变量之间的相关性.
• 使用了统计分析,包括千平方测试和后勤回归.

主要成果:

• 与BI-RADS子类别相比,恶性病发病率增加了:18.4%用于4a,31.3%用于4b,和63.6%用于4c.
• 50岁以上的年龄 (OR: 3.0,p = 0.003) 和之前的乳腺癌史 (OR: 3.3,p = 0.001) 是恶性瘤的显著预测因素.
• 较高的BI-RADS子类别改善了诊断有效性,4c显示了最高的特异性 (94.3%).

结论:

• 年龄和前乳腺癌史是BI-RADS 4病变中恶性瘤的强有力的独立预测因素.
• 虽然BI-RADS 4a超出了预期的恶性瘤率,但BI-RADS 4a的子类别有效地分层恶性瘤风险.
• 将临床病史和潜在的放射学与BI-RADS集成,可以提高风险预测,减少不必要的活检.