目的 探讨多模态X线影像组学模型在鉴别乳腺BI-RADS 4类肿块型病变良恶性方面的价值.方法 回顾性分析山东省千佛山医院2017年8月至2020年4月,经全屏数字化乳腺X线摄影(FFDM)和数字乳腺断层合成摄影(DBT)检查诊断为BI-RADS 4类乳腺病变并经病理证实的120例女性患者(4A 41例,良性34例、恶性7例;4B 30例,良性11例、恶性19例;4C 49例,良性4例、恶性45例),年龄20～86岁,平均(51.94±13.94)岁.患者均行乳腺FFDM及DBT头尾位(CC)和内外斜位(MLO)扫描.分别在FFDM及DBT图像的CC位和MLO位上对病变进行感兴趣区(ROI)勾画,其中DBT图像勾画病灶最清晰的五幅图像.利用组学软件(汇医慧影radcloud)进行分析,每个序列提取2818个特征值,并依次采用ANOVA和LASSO进行特征降维.以患者的病理结果为金标准,计算人工亚型分类的阳性预测值,并通过采用受试者工作特征(ROC)曲线评价不同亚型分类的诊断效能.分别构建FFDM、DBT、FFDM+ DBT三种分类预测模型,利用K最近邻(KNN)模型进行机器学习,验证三种预测模型的诊断效能并采用ROC曲线成对对比(Z统计)进行三种预测模型之间的对比分析.使用SPSS 23.0进行统计分析.P＜0.05为差异有统计学意义.结果 BI-RADS 4A、4B、4C亚型阳性预测值分别为17.1％ (7/41),63.3％(19/30),91.8％ (45/49),整体预测曲线下面积(AUC)值为0.87,诊断敏感度、特异度分别为83％和86％.在FFDM、DBT、FFDM+ DBT三种预测模型中,DBT组AUC值(0.84)及特异度(70％)高于FFDM组(0.80,60％),FFDM+ DBT组AUC值(0.91)及特异度(90％)均高于DBT组和FFDM组,三种预测模型敏感度相同,均为80％.三种预测模型两两比较后,仅FFDM+ DBT组和FFDM组差异具有统计学意义(P＜0.05),余两组之间不具有统计学差异.结论 FFDM结合DBT多模态X线影像组学模型有助于乳腺BI-RADS 4类肿块型疾病良恶性的鉴别,且其诊断效能高于临床亚型分类诊断方法.

乳腺影像报告和数据系统;乳腺肿瘤;影像组学;乳腺X线摄影

陈旭;宋歌声;李爱银

250012济南,山东大学临床医学院;264200 威海市中医院放射科;250014济南,山东第一医科大学第一附属医院,山东省千佛山医院放射科

临床放射学杂志

[1]陈旭;宋歌声;李爱银-.多模态X线影像组学模型对乳腺BI-RADS4类肿块良恶性的辅助诊断价值)[J].临床放射学杂志,2022(01):54-58

数字乳腺断层合成摄影,radcloud,FFDM+

影像组学,BI,RADS4,良恶性,辅助诊断,诊断价值,肿块型,千佛山,全屏,DBT,检查诊断,乳腺病变,女性患者,4A,4B,4C,头尾,CC,MLO,感兴趣区,ROI,勾画,五幅,ANOVA,LASSO,特征降维,病理结果,金标准,阳性预测值,受试者工作特征,不同亚型,诊断效能,分类预测模型,最近邻,KNN,对对,诊断敏感度,较后,统计学差异,临床亚型,分类诊断,乳腺影像报告和数据系统,乳腺肿瘤

0.239902