多模态超声特征结合机器学习可预测乳腺浸润导管癌中Ki-67的表达水平
储小爱1
胡爱丽1
汪珺莉1
秦信1
沈春云1
尹晶1
夏秦仲2
唐晓磊2
1.华东师范大学附属芜湖医院超声医学科,安徽 芜湖 2410002.皖南医学院第二附属医院医学转化中心,安徽芜湖 241000
摘要：目的 探讨多模态超声特征结合机器学习预测乳腺浸润导管癌中Ki-67高表达的可行性.方法 回顾性分析155例乳腺浸润导管癌患者,155个病灶经病理证实.术前行常规超声和声辐射力脉冲成像,免疫组化染色记录Ki-67的表达,将患者分为Ki-67高表达组(n=105)和低表达组(n=50).采用Logistic回归分析得出独立危险因素,采用随机森林及Logistic回归模型预测.结果 单因素分析显示Ki-67表达与肿块最大径、边界、腋窝淋巴结状态、阻力指数、声触诊组织成像及声触诊组织定量的差异有统计学意义(P<0.05).多因素分析结果显示,最大直径、边界、声触诊组织定量及阻力指数对Ki-67为独立危险因素.随机森林模型结果显示,Ki-67 表达影响因素的重要性排序依次是最大直径、声触诊组织定量、阻力指数及边界.随机森林及Logistic回归模型预测乳腺浸润导管癌中Ki-67高表达曲线下面积分别为0.871、0.866,Ki-67值与肿块直径呈正相关关系(r=0.319,P<0.001).结论 多模态超声特征结合机器学习可用于预测乳腺浸润导管癌Ki-67的表达水平.
关键词：乳腺浸润导管癌Ki-67声辐射力脉冲成像剪切波速度机器学习
资助基金：安徽省重点研究与开发计划项目(202104j07020018)安徽省高校自然科学基金项目(KJ2020A0614)
论文发表日期：2024-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 157-162 )
英文信息