超声影像组学联合显微超声造影(SR CEUS)用于乳腺癌组织学分级
回顾性纳入229例乳腺癌患者，按病理分为高、中、低分化组，通过常规超声影像组学特征结合显微超声造影（SR CEUS）定量参数构建预测模型。结果显示联合模型在验证集的微观平均AUC为0.918、宏观平均AUC为0.927、Obuchowski指数为0.924，预测效能优于单一影像组学或SR CEUS模型，可为乳腺癌组织学分级提供无创评估手段。
要点
- SR CEUS参数中血管密度（VD）与速度方差（Vel Var）是乳腺癌组织学分级的独立预测因子
- 联合模型（影像组学+SR CEUS）对乳腺癌分化程度的预测效能显著优于单一模型
- 随机森林（RF）算法在多种机器学习方法中对乳腺癌组织学分级的预测效能最佳
核心结论
- 超声影像组学联合SR CEUS用于乳腺癌组织学分级具有较高价值
- 联合模型在验证集的微观平均AUC为0.918、宏观平均AUC为0.927、Obuchowski指数为0.924，预测效能最高
- RF影像组学模型在验证集的微观平均AUC为0.901、宏观平均AUC为0.908、Obuchowski指数为0.901
- SR CEUS模型在验证集的微观平均AUC为0.839、宏观平均AUC为0.830、Obuchowski指数为0.824
研究设计与样本
- 回顾性研究，纳入229例乳腺癌患者，按病理结果分为高分化57例、中分化107例、低分化65例
- 按7∶3比例随机分为训练集160例与验证集69例
- 参考标准为病理组织学分级结果
- 采用RF、SVM、LR、KNN、XGBoost及CatBoost六种机器学习方法建立影像组学模型
- 以Pearson相关分析和LASSO算法筛选影像组学特征
诊断标准与关键数值
- VD和Vel Var为乳腺癌组织学分级的独立预测因子
- 联合模型验证集微观平均AUC为0.918、宏观平均AUC为0.927、Obuchowski指数为0.924
- RF影像组学模型验证集微观平均AUC为0.901、宏观平均AUC为0.908、Obuchowski指数为0.901
- SR CEUS模型验证集微观平均AUC为0.839、宏观平均AUC为0.830、Obuchowski指数为0.824
临床应用与阅片要点
- SR CEUS定量分析需获取血管密度（VD）和速度方差（Vel Var）参数
- 在常规超声图像上勾画肿瘤ROI并提取影像组学特征
- 联合影像组学与SR CEUS参数可提高乳腺癌组织学分级预测的准确性
- 优先使用随机森林算法构建影像组学模型以获得最佳预测效能
局限性
- 回顾性研究设计
- 单中心研究
原文图文
目的 探讨超声影像组学联合显微超声造影(SR CEUS)用于乳腺癌组织学分级的价值。方法 回顾性纳入 229例乳腺癌,依据病理结果分高、中及低分化组(57、107、65例),并按7∶3比例随机分为训练集(n=160)与验证集(n=69)。行SR CEUS定量分析,获取血管密度(VD)、速度方差(Vel Var)等参数。于常规超声图中勾画肿瘤ROI并提取影像组学特征,以Pearson相关分析、最小绝对收缩和选择算子(LASSO)算法筛选特征,分别采用随机森林(RF)、支持向量机(SVM)、逻辑回归(LR)、K邻近法(KNN)、极限梯度提升(XGBoost)及分类梯度提升(CatBoost)机器学习方法建立影像组学模型;以单及多因素logistic回归分析筛选乳腺癌组织学级别的独立预测因子并构建SR CEUS模型,基于预测效能最佳的影像组学模型与SR CEUS独立预测因子构建联合模型。绘制受试者工作特征(ROC)曲线,以曲线下面积(AUC)及Obuchowski指数评价模型效能。结果 RF模型为预测效能最佳的影像组学模型,其在验证集的微观平均和宏观平均AUC分别为0.901和0.908、Obuchowski指数为0.901。以VD及Vel Var作为独立预测因子构建的SR CEUS模型在验证集的微观平均和宏观平均AUC分别为0.839和0.830、Obuchowski指数为0.824。联合模型在验证集的微观平均和宏观平均AUC分别为0.918和0.927、Obuchowski指数为0.924,预测效能最高。结论 超声影像组学联合SR CEUS用于乳腺癌组织学分级具有较高价值。
引用
- www.cjmit.com：超声影像组学联合显微超声造影(SR CEUS)用于乳腺癌组织学分级
供执业医师工作参考，不替代临床判断；数值与分级以指南原文为准。