基于乳腺X线影像组学特征的预测模型在鉴别三阴型与非三阴型乳腺癌中的价值

摘要：

目的 探讨基于乳腺X线影像组学特征的预测模型鉴别三阴型乳腺癌(TNBC)与非三阴型乳腺癌(NTNBC)的价值.方法 回顾性分析2015年8月至11月天津医科大学肿瘤医院经手术病理证实为乳腺浸润性导管癌,且具有完整的乳腺X线摄影资料的459例患者,纳入TNBC患者34例,并选取同期的102例NTNBC患者.对病变的乳腺头尾位(CC)和内外斜位(MLO)图像进行手动分割并分别提取43个影像组学特征.分别构建CC位、MLO位单视角及CC和MLO位双视角的分类模型,采用分类准确率、ROC下面积(AUC)、敏感度及特异度进行十次十折交叉验证取其平均值作为最终的分类结果,比较3个模型的分类效能.采用t检验(正态分布)或Kruskal-Walls U检验(偏态分布)进行TNBC与NTNBC间比较分析.结果 MLO位预测模型的AUC、正确率和特异度均高于CC位,CC和MLO位双视角模型的AUC、正确率、敏感度及特异度分别为0.791、0.798、0.776和0.806,高于2个单视角模型.TNBC与NTNBC患者间灰度跨度(CC位)、逆差距(CC位)、圆度(MLO位)特征参数的差异有统计学意义(P值分别为0.043、0.010和<0.01),对应的AUC分别为0.626、0.660、0.753;FD12(CC位)、峰度(CC位)、自相关(CC位)、FD11(MLO位)、FD24(MLO位)、峰度(MLO位)、自相关(MLO位)差异均无统计学意义(P均>0.05).结论 基于X线影像组学特征的分类模型可有效区分TNBC与NTNBC.

关键词：乳腺肿瘤、三阴型乳腺癌、分子分型、影像组学、机器学习、X线影像

所属期刊栏目：52

资助基金：天津市自然科学基金15JCQNJC14500Natural Science Foundation of Tianjin of China 15JCQNJC14500

在线出版日期：2018-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：842-846