多模态MRI-钼靶-超声影像组学可有效鉴别HER-2阴性乳腺癌分子亚型OA

目的探讨基于多模态影像组学联合临床特征构建的列线图区分人表皮生长因子受体-2(HER-2)阴性乳腺癌分子亚型的价值。方法回顾性分析2020年1月~2025年5月在蚌埠医科大学第一附属医院术前经MRI、钼靶和超声检查且经病理证实的141例乳腺癌患者,以7∶3的比例随机分配为训练集(n=98)和测试集(n=43)。选择钼靶头尾位、内外斜位、超声肿块最大截面图像及DWI、T2WI脂肪抑制序列、DCE-MRI第3期勾画感兴趣区域,提取影像组学特征,筛选出最佳的组学特征,应用到3种机器学习模型中,筛选出最佳的机器学习算法,构建影像组学模型并输出影像组学评分(Rad-score)。通过单-多因素logistic回归分析筛选临床独立预测因子构建临床模型。将Rad-score与临床独立预测因子联合构建联合模型,并绘制列线图。结果最终得到13个最佳影像组学特征和2个临床特征。3种机器学习分类器在训练集及测试集中,随机森林的AUC值最高分别为0.883(95%CI:0.824~0.941)、0.877(95%CI:0.788~0.966)。联合模型在训练集和测试集中的AUC值分别为0.958(95%CI:0.919~0.997)和0.891(95%CI:0.813~0.970),优于临床模型和多模态影像组学模型。结论基于临床-多模态影像组学的列线图能够准确区分HER-2阴性乳腺癌中的低表达与零表达亚型,为临床诊疗和决策提供重要指导。