基于放射组学的乳腺癌腋下淋巴结转移的预测：一个多中心研究

开发一个基于放射组学的机器学习模型，用于非侵入性预测乳腺癌患者的腋下淋巴结转移 (ALNM)，从而为临床诊断和治疗提供客观依据。该多中心回顾性研究包括来自四家医院的501名患者。所有患者均接受了术前MRI检查，并通过病理学确认其腋下淋巴结状态。从每位患者中提取了13184个放射组学特征。特征选择通过单因素方差分析 (ANOVA)、斯皮尔曼相关分析和最小绝对收缩和选择算子 (LASSO) 进行。基于选定的特征，构建了四个机器学习模型，并在训练、内部验证和外部验证队列中使用接收器操作特征 (ROC) 分析评估其预测性能。在这四个模型中，逻辑回归 (LR) 模型表现出最佳的预测性能。训练、内部验证和外部验证队列的ROC曲线下面积 (AUC) 分别为0.753、0.743和0.698，表明预测准确性和广泛性良好。结论：基于放射组学的LR模型能够非侵入性预测乳腺癌患者的ALNM，并在指导个体化治疗策略方面具有潜在临床价值.