基于深度学习乳腺X线摄影联合自然语言处理预测不同病理进展期乳腺导管原位癌预后研究

摘要：

目的:建立预测不同病理进展期乳腺导管原位癌（DCIS）预后的模型，并评估其效能。方法:回顾性分析2014年11月至2020年12月深圳市人民医院、北京大学深圳医院、深圳市罗湖区人民医院接受乳腺X线摄影检查的273例不同进展期乳腺DCIS患者的完整病例资料。患者均为女性，年龄26~86（49±11）岁。其中110例纳入单纯DCIS+乳腺导管原位癌伴微浸润（DCIS-MI）组，163例纳入浸润性导管癌伴导管原位癌（IDC-DCIS）组，对患者临床、影像及病理特征进行分析。影像特征提取采用乳腺Mammo AI融合模型及基于深度学习的自然语言处理（NLP）技术的诊断报告结构化模型。对各组患者按照6∶4比例通过Python软件随机分为训练集和验证集，以单因素分析和多因素logistic回归分析筛选预测因子，选择赤池信息量准则值最小者构建预测模型。绘制受试者操作特征曲线评估预测模型效能。结果:单纯DCIS+DCIS-MI组以雌激素受体（-）或人表皮生长因子受体2（3+）为预后不良参考标准，预后不良62例，预后良好48例；IDC-DCIS组以诺丁汉预后指数为参考标准，预后不良33例，预后中等73例，预后良好57例。单纯DCIS+DCIS-MI组中，DCIS核分级、乳腺X线摄影可疑形态钙化、DCIS病理亚型、伴微浸润共4个预测因子被用于建立模型；IDC-DCIS组中，神经/脉管侵犯、Ki67水平、DCIS分子亚型、DCIS成分占比、乳腺X线摄影伴随征象共5个预测因子被用于建立模型。训练集中模型预测单纯DCIS+DCIS-MI预后不良的曲线下面积（AUC）为0.92（95%CI 0.84~1.00），验证集中为0.90（95%CI 0.82~0.99）；训练集中模型预测IDC-DCIS预后不良的AUC为0.84（95%CI 0.76~0.93），验证集为0.78（95%CI 0.64~0.91）。结论:基于深度学习联合NLP所建立的模型能有效预测不同病理进展期DCIS预后状态，有利于DCIS风险分层，为临床决策提供参考。

关键词：癌，导管，乳腺、乳房X线摄影术、深度学习、预后

所属期刊栏目：56

资助基金：广东省医学科学技术研究基金A2018493;国家高性能医疗器械创新中心开放基金NMED2021MS-01-001;Guangdong Medical Science and Technology Research FundA2018493;Open Fund of National High Performance Medical Device Innovation CenterNMED2021MS-01-001

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1215-1222