Radiology:基于乳腺钼靶的深度学习与传统乳腺癌风险模型在接受MRI补充筛查患者中的诊断准确性比较
2024-02-17 shaosai MedSci原创
最近,乳腺钼靶所实现的乳腺密度评估已被添加到风险评估模型,以改善模型的预测和区分。
乳腺MRI筛查目前被推荐用于乳腺癌的常规筛查流程中,尤其是对于患乳腺癌风险增加的患者。然而,研究显示乳腺MRI筛查的使用并不精确,在平均风险人群中存在过度使用。
风险评估通常使用传统的模型,包括Tyrer-Cuzick(TC)模型和国家癌症研究所简捷癌症风险评估工具(BCRAT)(也称为Gail模型)。传统的风险模型在很大程度上依赖于乳腺癌家族史,并且只包含了一小部分可获得的围产期数据,如人口统计信息(如年龄、种族和/或民族)、生活方式特征、生殖和激素因素 (如停经年龄) 。最近,乳腺钼靶所实现的乳腺密度评估已被添加到风险评估模型,以改善模型的预测和区分。根据传统模型,对于终生风险至少为20%的患者来说,美国放射学会、国家综合癌症网络和美国癌症协会提出,除了进行乳腺钼靶外,每年需进行MRI监测。然而,其在临床上的实际筛查价值仍不明趣。
近日,发表在Radiology杂志上的一篇研究比较了基于乳腺钼靶的深度学习(DL)风险评估模型与传统乳腺癌风险评估模型对接受MRI辅助筛查患者的诊断准确性。
本项回顾性研究纳入了2017年9月至2020年9月在四个机构连续接受乳腺癌MRI筛查的患者。使用Tyrer-Cuzick (TC)和国家癌症研究所乳腺癌风险评估工具(BCRAT) 5年和终身模型以及基于最新乳腺钼靶筛查产生的风险评分DL 5年模型来评估风险。传统5年模型的风险评分为1.67%或更高定义为增加风险,传统终身模型的风险评分为20%或更高定义为高风险,DL模型的绝对评分分别为2.3或更高和6.6或更高定义为增加和高风险。模型准确性指标包括癌症检出率(CDR)和阳性预测值(PPV)(筛查时异常发现的PPV [PPV1]、推荐活检PPV [PPV2]以及活检PPV [PPV3]),并使用逻辑回归模型进行比较。
本项研究纳入了2168名接受了4247次高危筛查MRI检查的女性(中位年龄54岁[IQR, 48-60岁])。根据DL模型,高危患者的CDR(每1000次检查)(20.6 [95% CI: 11.8, 35.6])高于TC模型(6.0 [95% CI: 2.9, 12.3]);P < 0.01)和BCRAT (6.8 [95% CI: 2.9, 15.8];P =0 .04)寿命模型。在DL模型确定为高风险的患者中,PPV1、PPV2和PPV3比高危TC (PPV1, 5.0%;PPV2, 12.7%;PPV3, 13.5%;P值范围为0.02 ~ 0.03)和BCRAT (PPV1, 5.5%;PPV2, 11.1%;PPV3, 12.5%;P值范围,0.02 - 0.05)寿命模型更高(PPV1, 14.6%;PPV2, 32.4%;PPV3, 36.4%)。
表 在有风险评分的患者中,MRI筛查发现的乳腺癌特征
本项研究表明,基于乳腺钼靶的DL风险评估模型确定的高风险患者在乳腺筛查MRI上的CDR高于传统风险模型确定的高风险患者。
原文出处:
Leslie R Lamb,Sarah F Mercaldo,Kimeya Ghaderi,et al.Comparison of the Diagnostic Accuracy of Mammogram-based Deep Learning and Traditional Breast Cancer Risk Models in Patients Who Underwent Supplemental Screening with MRI.DOI:10.1148/radiol.223077
作者:shaosai
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#乳腺癌# #乳腺钼靶#
75