TUhjnbcbe - 2021/5/22 0:23:00
文章来源吴林永,赵羽佳,林鹏,等.基于人工智能术前预测乳腺导管内癌微浸润的价值.中国医学影像学杂志,,29(01)：29-34摘要目的基于超声图像的影像组学特征构建术前预测乳腺导管内癌微浸润（DCIS-MI）的鉴别模型，探索人工智能术前预测DCIS-MI的价值。资料与方法回顾性分析经病理证实的80例乳腺导管内癌（DCIS）和23例DCIS-MI的超声图像。在ITKSNAP软件进行图像分割，通过IntelligenceFoundry软件进行影像组学特征提取并整理成数据集。数据集以7∶3分为训练组和验证组。训练组用于构建预测模型，验证组用于评估预测模型的可靠性。训练组通过Spearman相关系数以0.95为阈值去除高相关性特征，再使用统计检验联合随机森林的方法（1.25倍重要性均值为阈值）进一步选择重要特征。最后通过决策树机器学习算法构建DCIS-MI的预测模型。使用受试者工作特征曲线及曲线下面积（AUC）评估或验证模型效能。结果训练组纳入72例患者，其中56例DCIS、16例DCIS-MI；验证组纳入31例患者，其中24例DCIS、7例DCIS-MI。最终选择27项特征构建DCIS-MI的预测模型。训练组和验证组预测模型的AUC分别为0.90和0.73，准确度、敏感度及特异度分别为0.79、0.94、0.75和0.74、0.71、0.75。影像组学评分在不同临床病理参数亚组的AUC均0.77。结论基于超声图像构建的影像组学预测模型具有良好的预测效能，可在一定程度上达到术前辅助诊断DCIS-MI的作用，为临床快速有效决策提供依据。乳腺肿瘤；超声检查，多普勒，彩色；人工智能；病理学，外科；诊断，鉴别R.9；R../j.issn.-..01.乳腺导管内癌（ductalcarcinomainsitu，DCIS）属于原位癌，局限于乳腺导管的基底膜内的上皮组织恶性增生，发病率占乳腺癌的20%~30%，10年生存率可达88%[1-2]。乳腺导管内癌微浸润（ductalcarcinomainsituwithmicroinvasion，DCIS-MI）是DCIS突破基底膜，且浸润灶最长直径1mm，发病率不足乳腺癌的1%[3]。DCIS-MI的检出率随着影像技术的发展而升高[4]。DCIS-MI是DCIS向乳腺浸润性癌进展的中间阶段[5]，较DCIS表现出更高的侵袭性生物学行为，与手术方案的选择、术后需辅助化疗以及患者预后较差密切相关[6-8]。影像组学作为人工智能的子领域，将医学图像转换为高通量成像特征，并选择与肿瘤密切相关的特征，以建立基于影像组学特征的预测模型，提供准确的肿瘤表型分析信息和临床决策模型[9-10]。影像组学的步骤主要包括图像分割、特征提取、数据分组与标准化、特征选择、模型构建与评估。影像组学不仅将主观视觉的图像提取成客观的数据，并可提取到图像深处的肉眼无法观察到的信息[11]。因此，本研究基于超声图像的影像组学特征构建术前预测DCIS-MI的鉴别模型，探索影像组学特征术前预测DCIS-MI的价值，为临床快速有效决策提供依据。1资料与方法1.1研究对象回顾性分析年1月—年6月广西医院经外科手术或穿刺活检病理证实的例DCIS占位性病变。纳入标准：①乳腺原发占位性病变；②经病理证实为DCIS或DCIS-MI；③病理证实前1个月内行超声检查。排除标准：①继发性或术后复发的DCIS或DCIS-MI；②病变超声图像分辨不清或存在边界争议；③病理证实前未行放疗、化疗、中药治疗等。最终纳入例DCIS占位性病变，其中DCIS80例，DCIS-MI23例。1.2仪器与方法采用迈瑞、百胜、GE、日立超声彩色多普勒诊断仪，探头频率7~14MHz，扫查范围包括双侧乳腺及腋窝淋巴结，记录病灶的超声特征，包括部位、大小、形态、边界、内部回声、有无钙化、导管是否扩张、内部及周边血流分布等。选取病灶最大且清晰的图像导入ITKSNAP3.80软件（