多参数MRI影像组学和机器学习模型可较准确预测三阴性乳腺癌
戚轩1
王武陵1
杨宏楷1
程卫群2
翟承凤2
杨馨2
段绍峰1
何永胜1
1.马鞍山市人民医院影像科,安徽 马鞍山 2430002.马鞍山市人民医院影像科,安徽 马鞍山 243000;安徽医科大学第五临床医学院,安徽医科大学马鞍山临床学院,安徽 马鞍山 243000
摘要：目的 通过对多参数磁共振成像数据进行影像组学特征提取,联合临床特征建立预测模型,寻找对三阴性乳腺癌(TNBC)预测价值最高的机器学习模型.方法 收集175例乳腺癌患者,包括40例TNBC和135例非TNBC患者,按7∶3分为训练集(n=123)和验证集(n=52),使用不同的机器学习算法建立多参数的预测模型,并与临床特征联合建模,通过ROC曲线评价不同模型的预测效能.结果 在训练集和验证集中,病灶边界、WHO分级及T2WI信号在TNBC和非TNBC中的差异有统计学意义(P<0.05),基于 rbf_SVM 建立的 Model-T2WI、Model-DWI、Model-DCEphase2、Model-DCEphase7、T2WI+DWI、DCEPhase7+T2WI、DCEPhase7+DWI、DCEPhase7+T2WI+DWI、DCEPhase7+T2WI+DWI+Clinic的9个模型中,DCEPhase7+T2WI+DWI+Clinic的影像组学建立的预测模型效能最高,在训练集和验证集中的曲线下面积分别为0.992、0.936.结论 基于多参数磁共振成像的影像组学模型能较准确地预测TNBC,有助于TNBC的临床诊疗管理.
关键词：乳腺癌三阴性乳腺癌影像组学多参数磁共振
资助基金：马鞍山市卫科技计划项目(YL-2024-07)马鞍山市卫生健康科重点科研项目(MASWJ2022a001)安徽医科大学校科研基金项目(2023xkj122)
论文发表日期：2025-01-27
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：9( 82-90 )
英文信息