目的探讨并比较单指数模型、双指数模型、拉伸指数模型定量参数对乳腺癌HER2阳性状态的预测价值。方法回顾性分析67例确诊为浸润性乳腺癌患者的影像及临床资料。在病灶表观扩散系数(ADC)图像勾画感兴趣区(ROI),并对照扩散加权成像(DWI)...目的探讨并比较单指数模型、双指数模型、拉伸指数模型定量参数对乳腺癌HER2阳性状态的预测价值。方法回顾性分析67例确诊为浸润性乳腺癌患者的影像及临床资料。在病灶表观扩散系数(ADC)图像勾画感兴趣区(ROI),并对照扩散加权成像(DWI)图像修正ROI,记录病灶的表观扩散系数(ADC)、伪扩散系数(ADC_(fast))、真实扩散系数(ADC_(slow))、灌注分数(ADC_(fraction of fast))、分布扩散系数(DDC)、扩散异质性值(α)。根据免疫组化结果,将患者分为两组(HER2阳性vs.HER2阴性)。采用单因素分析比较两组间三种指数模型的六项定量参数(ADC、ADC_(fast)、ADC_(slow)、ADC_(fraction of fast)、DDC、α)组间差异。将具有统计学差异的定量参数纳入二元Logistic回归分析,并构建联合预测模型。采用DeLong检验比较三种模型定量参数、联合模型的受试者工作特征(ROC)曲线下面积(AUC),区分诊断效能。结果HER2阳性组ADC_(fast)值高于HER2阴性组(P<0.05),ADC、ADC_(slow)、DDC值低于HER2阴性组(均P<0.05)。ADC、ADC_(fast)、ADC_(slow)、DDC、ADC_(fast)-ADC_(slow)联合模型的AUC分别为75.85%、71.11%、76.92%、71.11%、88.19%;ADC_(fast)-ADC_(slow)联合模型的AUC最高,诊断效能显著优于ADC_(fast)(P=0.009),与ADC、ADC_(slow)、DDC相仿(均P>0.05);ADC、ADC_(fast)、ADC_(slow)、DDC的诊断效能组间比较表现相仿(均P>0.05)。结论三种不同指数模型定量参数有助于预测乳腺癌HER2阳性状态;双指数模型参数联合模型预测效能最优。展开更多
文摘目的探讨并比较单指数模型、双指数模型、拉伸指数模型定量参数对乳腺癌HER2阳性状态的预测价值。方法回顾性分析67例确诊为浸润性乳腺癌患者的影像及临床资料。在病灶表观扩散系数(ADC)图像勾画感兴趣区(ROI),并对照扩散加权成像(DWI)图像修正ROI,记录病灶的表观扩散系数(ADC)、伪扩散系数(ADC_(fast))、真实扩散系数(ADC_(slow))、灌注分数(ADC_(fraction of fast))、分布扩散系数(DDC)、扩散异质性值(α)。根据免疫组化结果,将患者分为两组(HER2阳性vs.HER2阴性)。采用单因素分析比较两组间三种指数模型的六项定量参数(ADC、ADC_(fast)、ADC_(slow)、ADC_(fraction of fast)、DDC、α)组间差异。将具有统计学差异的定量参数纳入二元Logistic回归分析,并构建联合预测模型。采用DeLong检验比较三种模型定量参数、联合模型的受试者工作特征(ROC)曲线下面积(AUC),区分诊断效能。结果HER2阳性组ADC_(fast)值高于HER2阴性组(P<0.05),ADC、ADC_(slow)、DDC值低于HER2阴性组(均P<0.05)。ADC、ADC_(fast)、ADC_(slow)、DDC、ADC_(fast)-ADC_(slow)联合模型的AUC分别为75.85%、71.11%、76.92%、71.11%、88.19%;ADC_(fast)-ADC_(slow)联合模型的AUC最高,诊断效能显著优于ADC_(fast)(P=0.009),与ADC、ADC_(slow)、DDC相仿(均P>0.05);ADC、ADC_(fast)、ADC_(slow)、DDC的诊断效能组间比较表现相仿(均P>0.05)。结论三种不同指数模型定量参数有助于预测乳腺癌HER2阳性状态;双指数模型参数联合模型预测效能最优。
