根据钼靶X线征象预测导管原位癌的分期

• 作者: 陈怡楠（译） 于红（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 356-357
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.r0401

摘要

术前提高导管原位癌（DCIS）的诊断对于选择最佳病人管理策略非常重要。然而，病人可能患有隐匿性侵袭性疾病，直到最终手术后才被发现。目的 评估乳腺钼靶X线片特征在通过核心活检诊断为DCIS的女性中预测隐匿性浸润性癌的表现和临床应用。资料与方法 该项回顾研究符合HIPAA，收集2008年9月—2017年4月接受乳腺芯针活检以检查钙化并诊断为DCIS女性病人的数字放大乳腺X线摄影影像。数据库查询针对无钙化、无肿块、结构扭曲、密度不对称或可触及病灶的无症状女性，采用正则化的Logistic回归分析。通过使用Kruskal-Wallis或χ2检验来评估训练组和内部测试组在降级率、年龄、病变大小以及雌孕激素受体状态方面的差异。结果 这项研究包括700例DCIS女性病人[年龄40~89岁，平均（59±10）岁]，其中114例（16.3%）的病变在随后的手术中被升级至浸润性癌。样本随机分为训练组400例和测试组300例[平均年龄：训练组（59±10）岁、测试组（59±10）岁；P=0.85]。共提取了109个影像学特征和4个临床特征。在测试集上使用所有影像学和临床特征的最佳模型有助于预测降级，受试者操作特征曲线下面积为0.71（95%CI：0.62~0.79）。对于固定的高敏感度（90%），该模型的特异度为22%，阴性预测值为92%，优势比为2.4（95%CI：1.8~3.2）。高特异度（90%）对应的敏感度为37%，阳性预测值为41%，优势比为5.0（95%CI：2.8~9.0）。结论 将影像组学特征应用于乳腺钼靶X线检查钙化的机器学习模型可能有助于预测导管原位癌的分期，这可以完善临床决策和治疗计划。