编辑推荐：
本研究针对BI-RADS 4乳腺结节良恶性分类的临床挑战，采用自动化乳腺超声系统（ABUS）结合临床特征构建预测模型，显著提高了诊断准确性，为乳腺癌筛查提供了有力工具
乳腺癌是女性癌症相关死亡的首要原因，早期筛查和诊断对改善预后至关重要。然而，BI-RADS 4乳腺结节的良恶性分类存在显著变异性，给临床诊断带来挑战。为此，浙江省的研究人员开展了一项基于自动化乳腺超声系统（ABUS）的研究，旨在构建一个预测模型以提高BI-RADS 4乳腺结节良恶性分类的准确性。研究结果表明，结合年龄、结节与乳头的距离、钙化和C平面汇聚征四个独立风险因素的预测模型，其ROC曲线下面积（AUC）值达到0.86，显著高于单一变量，为临床诊断提供了有力支持。该研究发表在《BMC Medical Imaging》上，为乳腺癌的精准诊断提供了新的思路和工具。
研究背景
乳腺癌是全球女性癌症相关死亡的首要原因，其发病率和死亡率均居高不下。早期筛查、早期诊断和合理治疗是改善乳腺癌患者预后、提高生活质量和生存率的关键。BI-RADS（Breast Imaging Reporting and Data System）分类系统被广泛应用于临床，但BI-RADS 4乳腺结节的良恶性分类存在显著差异，恶性比例从2%到95%不等，这给超声诊断带来了巨大挑战。自动化乳腺超声系统（ABUS）作为一种三维超声成像技术，能够提供更准确的结节定位和与周围组织的关系，但其图像数量庞大，增加了诊断医师的工作负担。因此，如何利用ABUS技术提高诊断效率和准确性成为亟待解决的问题。
研究方法
本研究为回顾性研究，数据来源于2019年1月至2022年8月期间的233例女性乳腺结节患者，结节均被ABUS分类为BI-RADS 4，并通过手术或穿刺活检获得病理结果。研究纳入了257个结节，分为良性组（188例）和恶性组（69例）。研究人员记录了患者的年龄以及结节的超声特征，包括位置、最大直径、与乳头和表皮的距离、形态、边界、边缘、内部回声、后方回声、钙化、C平面汇聚征等。通过多变量逻辑回归分析筛选出独立风险因素，并构建了预测模型。
研究结果
研究发现，年龄、结节与乳头的距离、钙化和C平面汇聚征是区分良恶性乳腺结节的独立风险因素（P < 0.05）。基于这些变量构建的预测模型的ROC曲线下面积（AUC）值为0.86，显著高于单一变量（如年龄的AUC值为0.735）。该模型在内部验证中表现良好，平均C-index值为0.851，表明其具有较强的预测能力。
研究结论与讨论
本研究构建的基于ABUS的预测模型能够显著提高BI-RADS 4乳腺结节良恶性分类的准确性，为临床诊断提供了有力支持。与传统的BI-RADS参数相比，该模型纳入的变量（如年龄和结节与乳头的距离）更为客观，减少了因医师经验差异导致的诊断偏差。此外，该模型不依赖于昂贵设备或复杂技术，适用于基层医疗机构和资源有限的地区。研究的局限性在于样本量较小且为单中心研究，未来需要通过多中心数据进行外部验证以进一步确认模型的普适性。总体而言，该研究为乳腺癌的早期筛查和诊断提供了新的工具，具有重要的临床应用价值。
