基于乳腺X线及临床特征构建学习模型预测乳腺导管内癌分子亚型

目的 探讨基于乳腺X线及临床特征构建机器学习模型预测乳腺导管内癌(DCIS)分子亚型并评估其预测效能.方法 回顾性分析经手术病理证实的239例DCIS患者资料.根据免疫组化结果分为激素受体(HR)阳性型(139例)、人表皮生长因子受体2(HER2)阳性型(91例)、三阴性型(9例).采集10个临床特征及17个X线影像特征,筛选出有统计学差异的特征构建多项式朴素贝叶斯(MNB)学习模型.通过受试者工作特征(ROC)曲线分析曲线下面积(AUC)评价学习模型的预测效能,并对模型进行可解释性分析.结果 HR阳性型、HER2阳性型、三阴性型DCIS学习模型的AUC分别为0.786、0.821、0.725,敏感度分别为0.714、0.741、0.333,特异度分别为0.700、0.711、0.797,准确度分别为0.708、0.722、0.778.结论 基于乳腺X线及临床特征预测DCIS不同分子亚型的学习模型效能较好,HER2阳性型学习模型的预测效能最优.