目的探讨基于超声特征构建列线图鉴别乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类结节良恶性的应用价值。方法回顾性分析纳入的41例诊断为BI-RADS 4类结节患者的临床资料和超声图像,其中病理确诊乳...目的探讨基于超声特征构建列线图鉴别乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类结节良恶性的应用价值。方法回顾性分析纳入的41例诊断为BI-RADS 4类结节患者的临床资料和超声图像,其中病理确诊乳腺癌患者25例,乳腺良性结节患者16例。分析上述结节超声特征,应用Lasso回归筛选预测乳腺癌的独立预测变量,基于上述独立预测变量绘制列线图,并进行内部验证。结果病灶边界、血流分级为诊断乳腺癌的独立预测变量。基于上述2个变量绘制列线图及受试者工作特征(receiver operating characteristic,ROC)曲线,曲线下面积(area under curve,AUC)为0.942,灵敏度为81.2%,特异度为96.0%,根据约登指数确定截断值为0.4(对应总分约60分)。内部验证显示,列线图具有较好的预测能力。结论基于病灶的二维超声特征构建列线图在鉴别诊断BI-RADS 4类结节方面有一定的临床应用价值,可提高诊断乳腺癌的准确度,在一定程度上为临床医生鉴别诊断BI-RADS 4类结节的良恶性提供更多参考信息。展开更多
文摘目的探讨基于超声特征构建列线图鉴别乳腺影像报告和数据系统(breast imaging reporting and data system,BI-RADS)4类结节良恶性的应用价值。方法回顾性分析纳入的41例诊断为BI-RADS 4类结节患者的临床资料和超声图像,其中病理确诊乳腺癌患者25例,乳腺良性结节患者16例。分析上述结节超声特征,应用Lasso回归筛选预测乳腺癌的独立预测变量,基于上述独立预测变量绘制列线图,并进行内部验证。结果病灶边界、血流分级为诊断乳腺癌的独立预测变量。基于上述2个变量绘制列线图及受试者工作特征(receiver operating characteristic,ROC)曲线,曲线下面积(area under curve,AUC)为0.942,灵敏度为81.2%,特异度为96.0%,根据约登指数确定截断值为0.4(对应总分约60分)。内部验证显示,列线图具有较好的预测能力。结论基于病灶的二维超声特征构建列线图在鉴别诊断BI-RADS 4类结节方面有一定的临床应用价值,可提高诊断乳腺癌的准确度,在一定程度上为临床医生鉴别诊断BI-RADS 4类结节的良恶性提供更多参考信息。