换一批摘要目的 构建基于超声影像组学的机器学习模型用于术前预测乳腺癌(BC)HER2状态.方法 收集2020年6月至2024年6月病理确诊的BC患者436例,采用免疫组织化学和荧光原位杂交技术分析术后肿瘤病理标本中HER2的状态;LASSO回归选择不同变量,采用Logistic回归分析HER2状态影响因素;校准曲线分析列线图模型的效能.结果 436例乳腺癌患者中有97例HER2结果为阳性.不同HER2状态患者孕激素受体表达、Ki-67水平和雌激素受体表达差异有统计学意义(P<0.05).LASSO回归从786个特征池中确定6个与HER2状态密切相关的超声变量,从而为每个患者生成影像组学评分.多变量Logistic回归分析显示,PR(OR=0.15,95%CI:0.06～0.36,P<0.001)、Ki-67(OR=1.02,95%CI:1.00～1.03,P=0.012)和影像学评分(OR=5.89,95%CI:2.58～13.45,P<0.001)是HER2状态的独立预测因素,列线图模型在训练集和验证集中的ROC曲线下面积分别为0.823(95%CI:0.772～0.874)和0.812(95%CI:0.717～0.906).结论 基于超声影像组学评分构建的深度学习模型可以有效预测乳腺癌患者HER2表达状态,为临床治疗决策提供重要依据.
更多相关知识
关键词
乳腺癌人表皮因子受体2超声影像人工智能预测模型Breast cancerHuman epidermal growth factor receptor 2UltrasonographyArtificial intelligencePrediction model
栏目名称
发布时间
2025-04-22（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省金华市公益性技术应用研究项目（2023-4-225）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
