自动乳腺全容积扫描结合机器学习在乳腺癌HER-2状态术前预测中的价值

目的 探讨自动乳腺全容积扫描(ABVS)结合不同机器学习(ML)算法术前预测人表皮生长因子受体2(HER-2)状态的价值.方法 收集乳腺癌患者202例,HER-2阳性组68例,HER-2阴性组134例,按7 ∶3将患者随机分为训练组(141例)、测试组(61例).采用最小绝对收缩和选择算子(LASSO)回归降维筛选最优特征,多因素Logistic回归筛选独立危险因素,并利用支持向量机(SVM)、最近邻算法(KNN)、决策树(DT)、随机森林(RF)、极端梯度推进(XGBoost)5种不同ML算法构建预测模型.结果 肿块边界、微分叶、微钙化、血流分级、冠状面汇聚征及虫噬征、腋窝淋巴结状态为最优特征,多因素分析微钙化、血流分级、冠状面汇聚征、腋窝淋巴结状态为独立危险因素,测试组SVM、KNN、DT、RF、XGBoost的曲线下面积(area un-der curve,AUC)分别为 0.767、0.768、0.783、0.768、0.805.结论 ABVS超声特征结合机器学习术前能够有效预测乳腺癌HER-2状态,其中XGBoost表现最突出.