整合多模态影像组学与临床指标的机器学习模型预测侵袭性乳腺癌腋窝淋巴结状态:一项防泄漏嵌套交叉验证研究
《BMC Medical Imaging》:A leakage-controlled multimodal model integrating 18F-FDG PET/CT radiomics, deep-learning features, metabolic parameters and haematological inflammation–nutrition indices for preoperative prediction of axillary lymph-node metastasis in invasive breast cancer
【字体:
大
中
小
】
时间:2026年10月16日
来源:BMC Medical Imaging 3.9
编辑推荐:
## 摘要
### 背景
腋窝淋巴结(ALN)状态指导侵袭性乳腺癌的分期和腋窝手术范围,但目前确认仍依赖于前哨淋巴结活检或腋窝淋巴结清扫术。本研究开发并内部评估了一个整合五种互补信息流的模型:1?F-FDG PET/CT放射组学特征、深度学习(DL)影像特征、容积代谢参数
## 摘要### 背景腋窝淋巴结(ALN)状态指导侵袭性乳腺癌的分期和腋窝手术范围,但目前确认仍依赖于前哨淋巴结活检或腋窝淋巴结清扫术。本研究开发并内部评估了一个整合五种互补信息流的模型:1?F-FDG PET/CT放射组学特征、深度学习(DL)影像特征、容积代谢参数、常规临床病理变量以及基于血细胞计数的炎症-营养指数。这些特征均通过交叉验证纳入一个专门设计以避免信息泄漏的机器学习流程中。### 方法对某单一中心63例经组织学确诊的侵袭性乳腺癌女性进行回顾性分析(42例淋巴结阳性,21例阴性),其中40例(63%)随后接受了新辅助全身治疗。从共注册的PET与CT图像上勾画的肿瘤体积中提取特征:2,167个符合IBSI标准的放射组学特征、12,288个ResNet-50迁移学习特征、11个体积代谢参数、7个临床病理变量及7个炎症-营养指数。中位数插补、方差过滤、标准化、单变量AUC筛选、共线性修剪和LASSO选择均在分层五折交叉验证(重复10次)的训练折内进行拟合。比较了五种单模块模型与三种融合策略(堆叠、特征拼接及无参数概率均值),并跨四种基学习器进行评估,所有模块选择、融合策略、学习器及决策阈值均通过嵌套交叉验证重复验证。不确定性通过患者级自助法(bootstrap)估计,模型间比较采用配对自助法,并评估了校准度、决策曲线、影像学相对临床病理变量的增量价值、缺失数据处理及轮廓扰动稳健性。### 结果整个建模流程的嵌套交叉验证AUC为0.711(95% CI 0.609–0.805)。最常选用的概率均值融合策略在同一分割下达到0.795(0.678–0.891),提示模型选择乐观偏差约0.08;在训练折阈值下,其敏感性和特异性分别为0.80和0.60,校准度不完美(斜率1.53)。各单模块AUC范围为0.590(炎症-营养指数;95% CI包含0.5)至0.750(DL)。在临床病理变量(AUC 0.681,0.544–0.805)基础上加入PET/CT衍生信息,AUC提升0.107(?0.023至0.247;*P*=0.12),仅在阈值概率≥0.4时净获益优于全治策略。在接受新辅助治疗的患者中,判别力较差(嵌套AUC 0.561)。在严格的单体素轮廓扰动下,23%的放射组学特征具有组内相关系数(ICC)≥0.75,将放射组学模块限制于这些特征并未降低模型性能。### 结论在该小型单中心回顾性队列中,基于防泄漏嵌套交叉验证,将PET/CT衍生信息与常规临床信息结合可中等程度判别腋窝淋巴结状态,但校准度欠佳,影像学相对临床病理变量的增量价值未能达到统计学显著。本研究应视为概念验证框架,临床应用前亟需前瞻性多中心外部验证,包括与常规PET/CT腋窝评估的比较。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号