临床放射学杂志

作者：宫悦, 蒋燕妮, 刘婷婷, 林佳璐, 陈佳雪, 王思奇, 娄鉴娟, 邹启桂

单位：210029 南京医科大学第一附属医院放射科（宫 悦、蒋燕妮、刘婷婷、林佳璐、陈佳雪、王思奇、娄鉴娟、邹启桂）; 510168 广州中医药大学金沙洲医院放射科（宫 悦）

关键词：全数字化乳腺X线摄影,数字化乳腺断层影像,深度学习,浸润性乳腺癌,人表皮生长因子受体2

基金：本研究系南京医科大学临床提升项目资助（编号：2022NMUS0203）

<b>目的</b> 探讨联合全数字化乳腺X线摄影（FFDM）和数字化乳腺断层摄影（DBT）特征的深度学习（DL）模型,预测乳腺癌HER2表达状态的价值。<b>方法</b> 回顾性分析经病理证实的359例浸润性乳腺癌患者的临床资料和乳腺FFDM及DBT图像。根据病理结果,将HER2表达状态分为过表达组和非过表达组,按照7&#x02236;3比例随机分为训练集（<em>n</em>=251）和测试集（<em>n</em>=108）。基于卷积神经网络3种预训练的基础DL模型（ResNet50、DenseNet121、ResNet101）,构建基于FFDM的2D图像（DL_2D）和DBT的3D（DL_3D）图像的DL模型,选出效能最优者,并将其合并构建联合模型。采用单因素与多因素逻辑回归分析筛选与 HER2 状态相关的临床特征构建临床模型。将临床模型与联合模型相结合构建综合模型。采用受试者工作特征曲线下面积（AUC）评估各模型的预测效能,并利用校准曲线和决策曲线评估综合模型拟合效果和临床获益,使用 Grad‐CAM可视化模型效果。<b>结果</b> HER2过表达组141例,非HER2过表达组218例。单因素与多因素逻辑回归分析显示是否伴钙化、检查机器机型是乳腺癌HER2表达状态的临床独立预测因素(均<em>P</em>&#x0003C;0.05)。3种DL模型中,ResNet50模型效能最优。在训练集和测试集中,综合模型的预测效能（AUC值分别为0.922、0.883）均高于临床模型（AUC值分别为0.894、0.866）与联合模型（AUC 值分别为0.920、0.878）。校准曲线和决策曲线均显示综合模型在预测概率方面具有优势。Grad‐CAM图显示肿瘤区域内像素的高激活性与HER2表达状态强相关。<b>结论</b> 联合FFDM和DBT特征的DL模型在预测乳腺癌HER2表达状态方面有一定价值。

来源：2025年第7期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第7期