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...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HE R2低表达与H E R2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。展开更多
文摘目的探讨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HE R2低表达与H E R2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。