目的 基于动态对比增强磁共振成像(DCE-MRI)的影像组学特征机器学习模型术前预测乳腺癌患者淋巴血管浸润(LVI)状态.方法 对284例经病理学证实为乳腺癌的患者进行回顾性研究,将其随机分为训练组(n=198)和验证组(n=86).使用单因素分析和最小绝对收缩和选择算子(LASSO)算法来选择最佳的影像组学特征.利用最佳影像组学特征构建逻辑回归(LR)及支持向量机(SVM)2种分类器建立LVI的预测模型,通过绘制受试者工作特征(ROC)曲线评估训练组与验证组预测模型的准确性.结果 在284例患者中,177例为LVI阳性,107例为LVI阴性.Logistic回归分析在训练组中预测乳腺癌LVI状态的灵敏度、特异度、准确性分别为0.68、0.67、0.72;验证组准确性、灵敏度、特异度分别为0.63、0.67和0.55.SVM在训练组中预测乳腺癌LVI状态的灵敏度、特异度、准确性分别为0.87、0.80、0.87;验证组准确性、灵敏度、特异度分别为0.84、0.80和0.85.SVM预测乳腺癌LVI状态的准确性明显优于LR模型,统计学存在显著差异(P＜0.05).结论 基于DCE-MRI影像组学特征可以有效预测LVI状态,SVM模型在预测乳腺癌的血管浸润状态的明显优于Logistic回归模型.
作者：孙玮；李杰；翟冬枝
来源：实用放射学杂志 2022 年 38卷 11期
