两个以下前哨淋巴结转移的乳腺癌：MR影像组学预测非前哨淋巴结转移的应用价值

目的 探讨基于机器学习的MRI影像组学在预测两个以下前哨淋巴结（SLN）阳性乳腺癌非前哨淋巴结（NLSN）转移的应用价值。方法 回顾性分析2016年1月—2022年12月间在温州医科大学附属第五医院经术后病理证实的乳腺癌患者408例，均经前哨淋巴结活检证实有两个以下SLN阳性。采用Radcloud平台提取动态增强MRI (DCEMRI)图像肿瘤内部的影像组学特征，并通过降维获得最优特征。随后，建立6种机器学习分类器包括K近邻（KNN）、支持向量机（SVM）、逻辑回归（LR）、随机森林（RF）、线性判别分析（LDA）和极端梯度提升（XGBoost）。选择验证集中曲线下面积（AUC）最高的作为最佳影像组学模型，并将其结果转换输出为影像组学评分（Rad-score）。将P<0.05的临床病理特征纳入到多因素Logistic回归分析中，以筛选影响NSLN转移的独立危险因素，并建立临床模型。进一步建立基于Rad-score和临床危险因素的联合模型，并绘制列线图。采用AUC、校准曲线和决策曲线分析（DCA）评价模型的预测性能。结果 通过降维得到14个与NSLN转移显著相关的影像组学特征。在验...