目的评估基于Kaiser评分的MRI影像特征列线图模型术前预测肿块型乳腺癌脉管侵犯的价值。方法回顾性分析经手术病理证实的345例肿块型浸润性乳腺癌患者临床、病理、影像学和Kaiser评分资料,按照7∶3随机分为训练集(n=242)和验证集(n=103...目的评估基于Kaiser评分的MRI影像特征列线图模型术前预测肿块型乳腺癌脉管侵犯的价值。方法回顾性分析经手术病理证实的345例肿块型浸润性乳腺癌患者临床、病理、影像学和Kaiser评分资料,按照7∶3随机分为训练集(n=242)和验证集(n=103)。应用单因素和多因素Logistic回归模型分析肿块型乳腺癌脉管侵犯的独立危险因素并构建列线图预测模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和临床决策曲线评估模型效能。结果单因素Logistic回归分析发现,肿瘤最大直径、Kaiser评分、扩散加权成像信号、形状和相关受侵征象与肿块型乳腺癌脉管侵犯相关(均P<0.05);进一步的多因素Logistic回归分析显示,Kaiser评分≥6分、扩散加权成像高信号、形状不规则和存在相关受侵征象是肿块型乳腺癌脉管侵犯的独立危险因素(均P<0.05)。Kaiser评分联合扩散加权成像信号、形状和相关侵犯征象构建的肿块型乳腺癌脉管侵犯列线图预测模型在训练集和验证集中的ROC曲线下面积(area under the ROC curve,AUC)分别为0.899(95%CI:0.859~0.939)和0.827(95%CI:0.744~0.909);训练集中特异性为0.845,敏感性为0.840;验证集中的特异性为0.787,敏感性为0.750;校准曲线和Hosmer-Lemeshow拟合优度检验结果表明列线图模型一致性较好;临床决策曲线结果显示列线图预测肿块型乳腺癌脉管侵犯可获得较高收益。结论本研究构建的基于Kaiser评分的MRI影像特征列线图模型有助于术前预测肿块型乳腺癌脉管侵犯,并且该模型具有较高的预测效能,可为临床术前评估肿块型乳腺癌脉管侵犯提供参考依据。展开更多
目的探讨基于锥光束乳腺CT(cone-bean breast CT,CBBCT)图像的放射组学模型对乳腺癌新辅助治疗病理完全缓解(pathological complete response,pCR)的预测价值。方法回顾性分析2022年1月至2023年5月于广西医科大学附属肿瘤医院接受新辅...目的探讨基于锥光束乳腺CT(cone-bean breast CT,CBBCT)图像的放射组学模型对乳腺癌新辅助治疗病理完全缓解(pathological complete response,pCR)的预测价值。方法回顾性分析2022年1月至2023年5月于广西医科大学附属肿瘤医院接受新辅助治疗的106例女性乳腺癌患者的CBBCT图像。将患者按8∶2的比例随机分为训练组和测试组。共提取2264个放射组学特征,采用特征筛选器与机器学习分类器交叉组合的方案建立放射组学模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的性能,利用决策曲线分析(decision curve analysis,DCA)比较训练组和测试组不同阈值概率下的净收益。结果L2范数正则化-决策树模型在训练组的曲线下面积(area under the curve,AUC)为0.941(95%CI:0.897~0.984),准确率为86.9%,特异度为94.2%,敏感度为75.0%;在测试组的AUC为0.732(95%CI:0.518~0.947),准确率为72.7%,特异度为85.7%,敏感度为50.0%。无论在训练组还是测试组均有最大净收益。结论基于CBBCT图像的L2范数正则化-决策树预测模型在预测乳腺癌新辅助治疗pCR上有较好的性能表现,可为乳腺癌个体化治疗和及时调整化疗方案提供有价值的信息。展开更多
文摘目的评估基于Kaiser评分的MRI影像特征列线图模型术前预测肿块型乳腺癌脉管侵犯的价值。方法回顾性分析经手术病理证实的345例肿块型浸润性乳腺癌患者临床、病理、影像学和Kaiser评分资料,按照7∶3随机分为训练集(n=242)和验证集(n=103)。应用单因素和多因素Logistic回归模型分析肿块型乳腺癌脉管侵犯的独立危险因素并构建列线图预测模型,通过受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和临床决策曲线评估模型效能。结果单因素Logistic回归分析发现,肿瘤最大直径、Kaiser评分、扩散加权成像信号、形状和相关受侵征象与肿块型乳腺癌脉管侵犯相关(均P<0.05);进一步的多因素Logistic回归分析显示,Kaiser评分≥6分、扩散加权成像高信号、形状不规则和存在相关受侵征象是肿块型乳腺癌脉管侵犯的独立危险因素(均P<0.05)。Kaiser评分联合扩散加权成像信号、形状和相关侵犯征象构建的肿块型乳腺癌脉管侵犯列线图预测模型在训练集和验证集中的ROC曲线下面积(area under the ROC curve,AUC)分别为0.899(95%CI:0.859~0.939)和0.827(95%CI:0.744~0.909);训练集中特异性为0.845,敏感性为0.840;验证集中的特异性为0.787,敏感性为0.750;校准曲线和Hosmer-Lemeshow拟合优度检验结果表明列线图模型一致性较好;临床决策曲线结果显示列线图预测肿块型乳腺癌脉管侵犯可获得较高收益。结论本研究构建的基于Kaiser评分的MRI影像特征列线图模型有助于术前预测肿块型乳腺癌脉管侵犯,并且该模型具有较高的预测效能,可为临床术前评估肿块型乳腺癌脉管侵犯提供参考依据。
文摘目的探讨基于锥光束乳腺CT(cone-bean breast CT,CBBCT)图像的放射组学模型对乳腺癌新辅助治疗病理完全缓解(pathological complete response,pCR)的预测价值。方法回顾性分析2022年1月至2023年5月于广西医科大学附属肿瘤医院接受新辅助治疗的106例女性乳腺癌患者的CBBCT图像。将患者按8∶2的比例随机分为训练组和测试组。共提取2264个放射组学特征,采用特征筛选器与机器学习分类器交叉组合的方案建立放射组学模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的性能,利用决策曲线分析(decision curve analysis,DCA)比较训练组和测试组不同阈值概率下的净收益。结果L2范数正则化-决策树模型在训练组的曲线下面积(area under the curve,AUC)为0.941(95%CI:0.897~0.984),准确率为86.9%,特异度为94.2%,敏感度为75.0%;在测试组的AUC为0.732(95%CI:0.518~0.947),准确率为72.7%,特异度为85.7%,敏感度为50.0%。无论在训练组还是测试组均有最大净收益。结论基于CBBCT图像的L2范数正则化-决策树预测模型在预测乳腺癌新辅助治疗pCR上有较好的性能表现,可为乳腺癌个体化治疗和及时调整化疗方案提供有价值的信息。
