基于超声波成像和血清生物标志物的乳腺癌侵入性的多式诊断模型

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 生物标志物 生物标志物

背景情况:

• 乳腺癌的侵入性对于治疗和预后至关重要.
• 目前的诊断方法可以通过整合成像和生物标志物来改进.
• 为了最佳的患者管理,需要对侵入性的准确评估.

研究的目的:

• 开发和验证乳腺癌侵入性的多式诊断模型.
• 该模型整合了超声波B模式,多普勒成像和血清生物标志物.
• 为了提高诊断侵袭性与非侵袭性乳腺癌的准确性.

主要方法:

• 使用超声波数据和血清生物标志物 (CA125,CA15-3,CEA,CA19-9) 开发了一种多式模式.
• 应用机器学习算法 (逻辑回归,随机森林,XGBoost) 用于侵入性预测.
• 评估模型性能使用准确度,精度,回忆,F1分数和AUC.

主要成果:

• 多式联运模式显著优于单式联运模式.
• XGBoost算法实现了最高的精度 (88.90%) 和AUC (0.930).
• 包括特定的血清生物标志物显著改善了对侵入性的诊断准确性.

结论:

• 综合超声波和血清生物标志物的多式诊断模型对于评估乳腺癌的侵入性非常准确.
• 这个模型显示了改善临床决策的潜力.
• 提高诊断准确度可以导致乳腺癌护理中的更好的患者结果.