目的探讨基于临床病理、乳腺X线(mammography,MG)和MRI特征预测乳腺导管原位癌伴微浸润(ductal carcinoma in situ with microinvasion,DCISM)的价值。材料与方法回顾性收集宁夏医科大学总医院2019年6月至2022年6月最终经手术病理证实...目的探讨基于临床病理、乳腺X线(mammography,MG)和MRI特征预测乳腺导管原位癌伴微浸润(ductal carcinoma in situ with microinvasion,DCISM)的价值。材料与方法回顾性收集宁夏医科大学总医院2019年6月至2022年6月最终经手术病理证实为纯导管原位癌(ductal carcinoma in situ,DCIS)和DCISM的首诊女性患者的病例资料为训练组,评估术前患者的临床病理、MG和MRI特征。采用单、多因素logistic回归分析明确DCISM的独立危险因素,并建立联合模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)及校准图评估模型的诊断效能,应用决策曲线分析(decision curve analysis,DCA)观察联合模型的临床实用性。前瞻性收集2022年7月至2023年7月符合纳入、排除标准的患者作为验证组进行验证。应用沙普利加和解释(Shapley Additive exPlanation,SHAP)分析联合模型中病灶最长径、核级别、坏死、Ki-67指数、P63状态、钙化状态和最小ADC值(minimum value of apparent diffusion coefficient,ADCmin)预测DCISM的价值。收集535例患者共550个病灶(15例患者为同时性双乳癌),患者年龄23~81岁,中位年龄50岁。训练组(n=382)中102个病灶(27%)和验证组(n=168)中52个病灶(31%)被诊断为DCISM。结果多因素logistic回归结果显示,病灶最长径、核级别、坏死、Ki-67指数、P63状态、钙化状态和ADCmin是DCISM的独立危险因素。基于上述参数构建临床病理及联合模型,在训练组和验证组中均表现出较高的预测效能(AUC:0.937、0.899)。根据SHAP分析,病灶最长径、Ki-67指数和ADCmin在联合模型中对预测DCISM起主要贡献,而钙化状态、核级别、P63状态和坏死是补充因素。结论联合临床病理及术前MG和MRI特征的预测模型可有效从纯DCIS区分出DCISM,从而提升临床决策和治疗规划的准确性。展开更多
文摘目的探讨基于临床病理、乳腺X线(mammography,MG)和MRI特征预测乳腺导管原位癌伴微浸润(ductal carcinoma in situ with microinvasion,DCISM)的价值。材料与方法回顾性收集宁夏医科大学总医院2019年6月至2022年6月最终经手术病理证实为纯导管原位癌(ductal carcinoma in situ,DCIS)和DCISM的首诊女性患者的病例资料为训练组,评估术前患者的临床病理、MG和MRI特征。采用单、多因素logistic回归分析明确DCISM的独立危险因素,并建立联合模型。通过受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)及校准图评估模型的诊断效能,应用决策曲线分析(decision curve analysis,DCA)观察联合模型的临床实用性。前瞻性收集2022年7月至2023年7月符合纳入、排除标准的患者作为验证组进行验证。应用沙普利加和解释(Shapley Additive exPlanation,SHAP)分析联合模型中病灶最长径、核级别、坏死、Ki-67指数、P63状态、钙化状态和最小ADC值(minimum value of apparent diffusion coefficient,ADCmin)预测DCISM的价值。收集535例患者共550个病灶(15例患者为同时性双乳癌),患者年龄23~81岁,中位年龄50岁。训练组(n=382)中102个病灶(27%)和验证组(n=168)中52个病灶(31%)被诊断为DCISM。结果多因素logistic回归结果显示,病灶最长径、核级别、坏死、Ki-67指数、P63状态、钙化状态和ADCmin是DCISM的独立危险因素。基于上述参数构建临床病理及联合模型,在训练组和验证组中均表现出较高的预测效能(AUC:0.937、0.899)。根据SHAP分析,病灶最长径、Ki-67指数和ADCmin在联合模型中对预测DCISM起主要贡献,而钙化状态、核级别、P63状态和坏死是补充因素。结论联合临床病理及术前MG和MRI特征的预测模型可有效从纯DCIS区分出DCISM,从而提升临床决策和治疗规划的准确性。
