| 王小珊，刘志强，赵佳怡，唐锟鹏，艾涛，李锋.术前增强MRI生境分析预测乳腺癌淋巴血管侵犯状态[J].放射学实践,2025,(12):1548-1555 |
| 术前增强MRI生境分析预测乳腺癌淋巴血管侵犯状态 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.12.010 |
| 中文关键词: 乳腺癌 淋巴血管侵犯 磁共振成像 生境分析 影像组学 |
| 基金项目:襄阳市医疗卫生领域重点项目（2022YL19A） |
|
| 摘要点击次数: 18 |
| 全文下载次数: 12 |
| 中文摘要: |
| 【摘要】目的：探讨基于动态对比增强MRI（DCE-MRI）的生境分析在无创性预测乳腺癌淋巴血管侵犯（LVI）中的应用价值。方法：回顾性搜集2018年6月－2024年2月在两个医疗中心初诊为乳腺癌患者的DCE-MRI图像和临床资料。其中，217例患者来自襄阳市中心医院（LVI阳性组65例，阴性组152例），按8∶2比例随机分为训练集（n=173）和测试集（n=44）；外部验证集为来自华中科技大学同济医学院附属同济医院的155例患者（LVI阳性组53例，阴性组102例）。所有图像经标准化预处理后，依托Onekey AI平台的生境分析模块，采用K-means聚类算法进行区域划分，并基于Calinski-Ha-rabasz指数评估聚类结果，最终将肿瘤分割为具有不同强化特征的5个亚区。随后，分别提取各亚区及全肿瘤区域的影像组学特征，并应用最小绝对收缩和选择算子（LASSO）回归方法进行特征降维和筛选，以此构建出生境分析和传统影像组学两类特征标签。基于这两类标签，本研究共建立了11种机器学习模型，包括逻辑回归（LR）、朴素贝叶斯（NB）和支持向量机（SVM）等代表性算法。最后，通过受试者工作特征（ROC）曲线分析模型诊断效能，利用DeLong检验对比模型性能差异，并应用决策曲线分析（DCA）评估其临床实用性。结果：LVI阳性组与阴性组的雌激素受体（ER）状态、孕激素受体（PR）状态、人表皮生长因子受体2（HER2）状态、Ki-67表达水平及4种分子亚型（Luminal A型、Luminal B型、Her-2过表达型、三阴性型）的差异均无统计学意义（P>0.05）。通过特征筛选，最终从不同亚区和全肿瘤影像组学特征中分别筛选出18个和8个最优特征。生境分析和传统影像组学两种方法中均以SVM模型的诊断效能最佳（在训练集、测试集和外部验证集中的AUC分别为0.92、0.75、0.64和 0.88、0.82和0.51）。DeLong检验进一步证实，生境分析SVM模型的预测效能显著优于传统影像组学SVM模型，差异具有统计学意义（P<0.05）。DCA显示生境分析SVM模型具有较高的临床应用价值。结论：基于DCE-MRI的生境分析可有效预测乳腺癌的LVI状态，其诊断效能优于传统影像组学方法。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
