常规超声联合影像组学的分层可视化模型预测乳腺癌Luminal分子分型及Ki-67表达OA

目的探讨常规超声联合影像组学构建的联合模型在术前预测乳腺癌Luminal分子分型及Luminal型乳腺癌Ki-67表达状态中的价值。方法回顾性分析375例乳腺癌患者的超声图像,首先通过单因素及多因素分析筛选独立预测因素,同时对影像组学特征进行筛选,随后采用LightGBM算法基于两者构建联合预测模型,用于鉴别乳腺癌Luminal分子分型并预测Luminal型乳腺癌Ki-67表达状态。采用ROC曲线及DCA曲线评价模型性能,并应用SHAP方法分析特征对模型预测结果的贡献。结果构建的Luminal分子分型鉴别模型在训练集和验证集中的AUC分别为0.836和0.776;基于Luminal型乳腺癌患者中建立Ki-67表达状态预测模型,其AUC分别为0.854和0.822,两个模型均表现出良好的预测效能。DCA结果表明两模型在较宽阈值范围内具有较高净收益。SHAP分析显示,original_glcm_InverseVariance及wavelet.LH_firstorder_Median分别为两模型中贡献度最高的特征,对预测结果具有重要影响。结论基于常规超声联合影像组学的分层可视化模型鉴别乳腺癌Luminal分子分型及Luminal型乳腺癌Ki-67表达预测的研究,具有潜在的临床应用价值。