Vorhersage der Expression des humanen epidermalen Wachstumsfaktor-Rezeptors 2 (HER-2) bei Brustkrebs basierend auf Radiomik des MRT-Habitats und Ultraschall.

Diese Studie zielt darauf ab, die Expression des humanen epidermalen Wachstumsfaktor-Rezeptors 2 (HER-2) bei Brustkrebs basierend auf Radiomik des Magnetresonanztomographie (MRT)-Habitats und Ultraschall (US) vorherzusagen. Diese retrospektive Studie umfasste 182 Brustkrebspatientinnen, die von der Pathologie zwischen dem 25. Mai 2019 und dem 15. April 2025 bestätigt wurden. Der Datensatz wurde zufällig in einen Trainingssatz (n=145) und einen Testsatz (n=37) im Verhältnis 8:2 unterteilt. Alle Patientinnen unterzogen sich vor der Operation einem MRT und US. Interessensvolumen wurden in der zweiten Phase der dynamischen Kontrastmittel-verstärkten T1-gewichteten Bildgebung abgegrenzt, die in verschiedene Habitatregionen durch K-means-Clustering gruppiert wurden. Die Merkmalsauswahl erfolgte mittels Spearman-Korrelation, einer gierigen rekursiven Eliminierungsstrategie sowie der Regression des „least absolute shrinkage and selection operator“. Modelle basierend auf extrem zufälligisierten Bäumen wurden unter Verwendung von Radiomikmerkmalen entwickelt, die aus den MRT-Habitaten oder aus den Interessensregionen des US extrahiert wurden. Ein klinisches Modell wurde basierend auf Basisdaten entwickelt, gefolgt von der Kombination des besten Habitatmodells und des US-Modells sowie einer Kombination der besten Habitat-, US- und klinischen Modelle. Die Modellleistung wurde anhand der Flächen unter der Kurve (AUCs) und der integrierten Diskriminierungsverbesserung (IDI) bewertet. Die Interpretierbarkeit des besten Habitatmodells und des US-Modells erfolgte durch Shapley Additive Explanations-Analyse. ModelH1ₘulti-parametric wurde als das beste Habitatmodell ausgewählt (AUC betrug 0,880 und 0,801 im Trainingssatz und Testsatz). ModelH1+US+Cli (AUC betrug 0,945 und 0,835 im Trainingssatz und Testsatz) übertraf ModelH1ₘulti-parametric, das US-Modell und das klinische Modell. Die IDI-Analyse zeigte eine weitere Verbesserung durch ModelH1+US+Cli. Ein kombiniertes Modell, das auf der Radiomik des multi-parametrischen MRT-Habitats, der Radiomik der US-Bildgebung und klinischen Merkmalen basiert, kann den HER-2-Expressionsstatus bei Brustkrebs effektiv vorhersagen.