多模态超声特征结合机器学习可预测乳腺浸润导管癌中Ki-67的表达水平

摘要

目的 探讨多模态超声特征结合机器学习预测乳腺浸润导管癌中Ki-67高表达的可行性。方法 回顾性分析155例乳腺浸润导管癌患者，155个病灶经病理证实。术前行常规超声和声辐射力脉冲成像，免疫组化染色记录Ki-67的表达，将患者分为Ki-67高表达组（n=105）和低表达组（n=50）。采用Logistic回归分析得出独立危险因素，采用随机森林及Logistic回归模型预测。结果 单因素分析显示Ki-67表达与肿块最大径、边界、腋窝淋巴结状态、阻力指数、声触诊组织成像及声触诊组织定量的差异有统计学意义（P<0.05）。多因素分析结果显示，最大直径、边界、声触诊组织定量及阻力指数对Ki-67为独立危险因素。随机森林模型结果显示，Ki-67表达影响因素的重要性排序依次是最大直径、声触诊组织定量、阻力指数及边界。随机森林及Logistic回归模型预测乳腺浸润导管癌中Ki-67高表达曲线下面积分别为0.871、0.866,Ki-67值与肿块直径呈正相关关系（r=0.319,P<0.001）。结论 多模态超声特征结合机器学习可用于预测乳腺浸润导管癌Ki-67的表达水平。

关键词

乳腺浸润导管癌 / Ki-67 / 声辐射力脉冲成像 / 剪切波速度 / 机器学习