临床放射学杂志

作者：吕顺一, 赵秋枫, 王雪阳, 王嵩

单位：200032 上海中医药大学附属龙华医院放射科

关键词：影像组学,非肿块样强化,肉芽肿性小叶性乳腺炎,浸润性乳腺癌

基金：本研究系龙华医院创新项目(编号:KY22051);上海中医药大学预算内项目(编号:2021LK043)

<b>目的</b> 探讨MRI影像组学在非肿块样强化(NME)乳腺病变中鉴别肉芽肿性小叶性乳腺炎(GLM)和浸润性乳腺癌(IBC)的价值。<b>方法</b> 回顾性分析2020年1月至2022年12月经病理证实为GLM和IBC的患者180例,且病变均为NME,选取动态对比增强磁共振成像(DCE-MRI)增强第2期及扩散加权成像(DWI)(b=800 s/mm²)序列图像对直径最大病变进行手动逐层勾画,并提取影像组学特征。按照7∶3比例将样本随机分为训练组(n=126)及测试集(n=54)。基于支持向量机(SVM)机器学习分类器构建基于DCE-MRI、DWI的单参数影像组学的预测模型及联合序列(DCE-MRI+DWI)影像组学预测模型。采用受试者工作特征曲线(ROC)曲线下面积(AUC)评价模型的预测性能,采用决策曲线分析曲线(DCA)模型的临床实用性。<b>结果</b> 分别从DCE-MRI序列、DCE-MRI序列及联合序列选择了8个、11个、9个影像组学特征构建DCE-MRI模型、DWI模型及联合序列模型。DCE-MRI模型、DWI模型和联合模型的AUC在训练集中分别为0.864、0.855和0.947,在测试集中分别为0.729、0.719和0.823。联合模型在训练集以及测试集中表现最佳。<b>结论</b> MRI影像组学构建的模型可以在NME乳腺病变中,较好地鉴别GLM和IBC,为临床诊疗方案提供帮助。

来源：2025年第2期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第2期