目的 探讨MR影像组学模型鉴别HER2低表达与HER2阳性乳腺癌的应用价值.方法 回顾性分析我院2018年1月至12月确诊的浸润性乳腺癌233例,其中HER2阳性乳腺癌103例,HER2低表达乳腺癌130例,按8∶2随机拆分为训练集186例及测试集47例.基于MR第2期增强图像提取组学特征,数据经过归一化,降维,筛选特征,构建逻辑回归机器学习模型,并于测试集中验证及评估其诊断效能.结果 训练集中AUC为0.87,准确率为0.80,敏感性0.89,特异性0.72,PPV0.72,NPV0.89,测试集中AUC值为0.77,准确率0.77,敏感度0.76,特异性0.77,PPV0.73,NPV0.80,基于DCE-MR影像组学的预测模型不仅具有较好的诊断效能,还具有良好的稳定性.结论 基于DCE-MR影像组学预测模型鉴别H ER2低表达与H ER2阳性乳腺癌具有较好的诊断效能,有望为后期临床制定精准化及个性化治疗决策提供参考依据.
作者：陈贤飞；李蕊蕊；刘旭东；张英博；刘世佳；周云琪；周愉钦；曾雯雯
来源：中国CT和MRI杂志 2023 年 21卷 10期
