| 摘要: |
| 目的 基于常规超声及剪切波弹性成像（SWE）构建乳腺癌腋窝淋巴结转移（ALNM）的机器学习预测模型。 方法
采用回顾性巢式队列研究，收集金华市中心医院2021年1月至2023年1月经病理检查确诊的女性乳腺癌患者200例，以7∶3的比例
随机分为训练集140例和内部验证集60例。根据病理检查结果分为ALNM阳性组与阴性组，比较两组患者术前常规超声和SWE参
数，采用极限梯度提升（XGBoost）、决策树和 logistic 回归 3 种机器学习构建预测 ALNM 模型。另采用前瞻性队列研究，收集本院
2023年6至2024年12月经病理检查确诊的女性乳腺癌患者40例为外部验证集。采用ROC曲线筛选最优模型，并计算AUC。 结
果 200例乳腺癌患者诊断ALNM阳性93例，阴性107例，其中训练集阳性66例，内部验证集阳性27例。训练集阳性组肿瘤最大
径、淋巴结弹性模量最大值和弹性模量标准差值均明显大于阴性组，肿瘤临床分期Ⅲ~Ⅳ期、淋巴结钙化、血流分级Ⅲ~Ⅳ级、皮髓质
结构不清晰以及SWE分型Ⅲ~Ⅳ型占比均高于阴性组（均P＜0.05）。ROC曲线分析显示，XGBoost模型在内部与外部验证集预测
ALNM阳性的AUC明显高于决策树和logistic回归模型（均P＜0.05）。 结论 基于常规超声和SWE构建XGBoost模型预测乳腺癌
ALNM阳性的效能最佳。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:金华市科技计划项目（2022-4-129） |
|
|
|
|
| Abstract: |
|
| Key words: |
