超声影像组学对BI-RADS 4a类不规则乳腺结节良恶性的鉴别价值

  目的  探讨超声影像组学对BI-RADS 4a类不规则乳腺结节良恶性的鉴别价值,并结合影像组学、超声特征及临床独立危险因素特征建立列线图,评估其在减少不必要活检中的价值。  方法  回顾性收集常规超声检查筛选出的BI-RADS 4a类不规则乳腺结节905例,随机分为训练队列（n=634）和验证队列（n=271）,比例为7∶3。共收集851个影像组学特征,以手术病理结果为金标准,通过Logistic回归模型构建影像组学模型,同时利用单因素逻辑分析及多因素逻辑分析结合影像组学特征、超声特征及临床独立危险因素建立影像组学模型,通过ROC曲线评估影像组学模型及列线图模型对超声BI-RADS 4a类形态不规则乳腺结节的诊断效能。  结果  905例不规则乳腺结节中,恶性结节485个,良性结节420个;患者年龄22~83（50.05±11.13）岁,训练队列及验证队列的年龄、Rad-score值、肿块直径等结果差异无统计学意义（P>0.05）;训练队列影像组学模型AUC值为0.927（95% CI:0.900~0.950）,验证队列影像组学模型AUC值为0.946（95% CI:0.908~0.976）,该模型训练队列的敏感度、准确度、特异性、F1值、精确度分别为0.879、0.879、0.877、0.909、0.940,该模型验证队列的敏感度、准确度、特异性、F1值、精确度分别为0.890、0.896、0.909、0.921、0.956;校准曲线显示该模型训练队列和验证队列有较好的校准度;训练队列列线图模型AUC值为0.943（95% CI:0.912~0.960）,验证队列列线图模型AUC值为0.968（95% CI:0.924~0.970）。  结论  超声影像组学及列线图模型在提高BI-RADS 4a类形态不规则乳腺结节良恶性的诊断效能有重要价值,对BI-RADS 4a类不规则乳腺结节有更好的预测效能,并且能够减少不必要的活检。      

基于18F-FDG PET/CT影像组学特征和临床因素预测肺腺癌EGFR突变状态

目的 建立基于¹⁸F-FDG PET/CT影像组学特征和临床风险因素的肺腺癌表皮生长因子受体(EGFR)突变预测模型，并验证其准确性。资料与方法 回顾性纳入2018年7月—2022年1月在新疆医科大学附属肿瘤医院行¹⁸F-FDG PET/CT，并经病理证实且有EGFR基因检测结果的肺腺癌患者155例。按照7∶3随机划分为训练集和测试集。对所有EGFR突变临床风险因素进行单因素及多因素Logistic回归，建立预测肺腺癌EGFR突变的临床风险因素模型。所有图像经过预处理后，分别在PET、CT图像上勾画感兴趣区，提取影像组学特征。经特征降维后，基于最佳影像组学特征建立支持向量机、随机森林分类器(RF)和逻辑回归模型，并预测肺腺癌EGFR突变。采用受试者工作特征曲线评估3种模型的诊断效能。然后选取最佳模型结合临床风险因素构建复合模型，并绘制列线图。应用决策分析曲线评估列线图的临床效用。结果 155例肺腺癌中，EGFR野生型69例，突变型86例。多因素Logistic回归显示吸烟为预测肺腺癌EGFR突变的临床风险预测因子。影像组学分析，经特征提取、特...