BI-RADS 4级乳腺肿块的诊断：基于数字乳腺断层扫描的病灶内及病灶周围放射组学预测表的构建与解读

《BMC Medical Imaging》：Diagnosing breast masses in BI-RADS 4: construction and interpretation of an intralesional and perilesional radiomics nomogram based on digital breast tomosynthesis

　　

摘要

背景

本研究旨在评估基于数字乳腺断层摄影技术的、可解释的放射组学判别图在区分良性与恶性BI-RADS 4级乳腺肿块方面的诊断性能。

方法

这项回顾性研究纳入了312名通过数字乳腺断层摄影技术检测出BI-RADS 4级病变的患者。从病变内部及周围区域提取放射组学特征，进而构建了三种模型：Radscore_IL、Radscore_PL和Radscore_Combine。通过单变量和多变量逻辑回归分析确定独立预测因子，这些因子被整合到临床模型和判别图模型中。模型的性能与可解释性则通过接收者操作特征曲线、校准曲线、决策曲线分析以及Shapley加性解释值来进行评估。

结果

在三种放射组学模型中，Radscore_Combine的表现最为优异，其曲线下面积分别为0.935（训练集）和0.888（验证集）。年龄和BI-RADS 4级的亚分类被确定为独立的临床预测因子，并被纳入临床模型。最终结合了Radscore_Combine、年龄及BI-RADS 4级亚分类的判别图，在训练集和验证集中的曲线下面积分别达到了0.960和0.942。决策曲线分析证实该判别图具有显著的临床应用价值，而Shapley分析则通过展示各特征对模型预测的贡献程度，提升了模型的可解释性。

结论

基于数字乳腺断层摄影技术的放射组学判别图具有较高的诊断准确性且易于理解，是区分良性与恶性BI-RADS 4级乳腺肿块的宝贵工具。

意义说明

该基于数字乳腺断层摄影技术的放射组学判别图能够准确区分良性与恶性BI-RADS 4级乳腺病变，有助于临床医生做出更优决策，从而更好地处理这类难以确定的病例。