| MorozOleksandr,刘志强，刘成，殷茜，李兴睿，艾涛.基于术前MRI影像组学预测非肿块型乳腺癌新辅助化疗后病理完全缓解[J].放射学实践,2026,41(09):1030-1038 |
| 基于术前MRI影像组学预测非肿块型乳腺癌新辅助化疗后病理完全缓解 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2026.09.009 |
| 中文关键词: 乳腺癌 非肿块病变 新辅助化疗 磁共振成像 影像组学 病理完全缓解 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 208 |
| 全文下载次数: 150 |
| 中文摘要: |
| 【摘要】目的：探讨基于术前动态增强磁共振（DCE-MRI）的影像组学模型预测非肿块型乳腺癌患者新辅助化疗（NAC）后病理完全缓解（pCR）的临床价值。方法：回顾性搜集2018年8月至2024年7月接受NAC且乳腺MRI表现为非肿块样强化（NME）的乳腺癌患者共121例，按7:3比例将病例随机分为训练集（n=85）与内部验证集（n=36）。基于NAC治疗前DCE-MRI图像，手动勾画肿瘤三维感兴趣区（ROI），并复制到NAC后手术前DCE-MRI图像进行空间配准。使用深睿科研平台提取术前DCE-MRI图像ROI的影像组学特征。经过特征降维与筛选后，采用逻辑回归（LR）构建影像组学预测模型。结合单因素Logistic回归分析筛选的独立临床预测因素（cT分期、cN分期、HR状态、HER-2状态）建立影像组学+临床融合模型，并进一步加入放射科医师评估结果建立三方融合模型。采用ROC曲线的曲线下面积（AUC）、校准曲线及决策曲线分析评估不同模型的预测性能，并通过SHAP方法对最优机器学习模型进行可解释性分析。结果：单纯影像组学模型在训练集与验证集的AUC分别为0.927和0.867，均显著优于临床模型（AUC：0.619、0.570）及放射科医师评估（AUC：0.708、0.571）。融合影像组学与临床特征后，模型性能进一步提升（训练集AUC：0.935，验证集AUC：0.863），在校准与临床决策效能方面表现最为稳定。三方融合模型（影像组学+临床+医师评估）的AUC分别为0.932和0.832，与单纯影像组学模型差异无统计学意义（P>0.05）。SHAP分析结果显示，影像组学特征在整体预测中贡献度最高，其次为HER-2与HR状态。结论：基于术前DCE-MRI的影像组学模型在预测非肿块型乳腺癌NAC后pCR方面表现出良好的性能，融合临床特征的模型在判别能力、校准性及临床实用性方面表现最优。 |
| 英文摘要: |
| |
|
查看全文
下载PDF阅读器 HTML全文 |
| 关闭 |
