提高混合性实性和囊性乳腺病变的诊断准确性：一种结合超声特征和临床因素的简化评分系统

《BMC Medical Imaging》：Enhancing mixed solid and cystic breast lesions diagnosis: a simplified scoring system integrating ultrasound features and clinical factors

　　

摘要

背景

美国放射学会乳腺影像报告和数据系统（ACR BI-RADS）第6版对混合性实性和囊性乳腺病变（MSCBLs）的定义更新，反映了在评估这些病变时所面临的诊断挑战。本研究旨在基于超声（US）特征和临床因素开发并验证一种评分系统，以区分良性与恶性MSCBLs。

方法

这项回顾性多中心研究纳入了来自三个医疗中心的499例MSCBLs，这些病例被分为训练组（n = 396，79.4%）和外部验证组（n = 103，20.6%）。研究人员分析了超声特征和临床特征，并通过单变量和多变量逻辑回归分析来确定恶性病变的独立预测因素，据此构建了一个评分图表。随后将该评分图表简化为实用的评分系统。在独立的外部验证组中对该评分系统的性能进行了验证，并评估了其在不同经验水平的放射科医生中的附加诊断价值。

结果

多变量逻辑回归分析表明，年龄、病变类型、形状、血管丰富程度和病变大小是恶性病变的独立预测因素。简化后的评分系统在训练组中表现出较高的诊断效能（曲线下面积AUC = 0.853，95%置信区间：0.813–0.892），通过自助法重采样进行内部验证后确认了其稳健的性能（乐观校正后的AUC = 0.834）。在外部验证组中，该评分系统也表现出良好的诊断性能（AUC = 0.801，95%置信区间：0.710–0.893），且观察者间一致性较高（加权κ = 0.78，95%置信区间：0.72–0.84）。该系统还提高了初级和中级放射科医生的诊断性能：初级放射科医生的AUC从0.66提高到了0.74（p < 0.001），同时提高了中级放射科医生的特异性。

结论

MSCBLs评分系统为风险分层提供了可靠的工具，提升了初级放射科医生的诊断性能，确保了观察者间高度一致，同时是对现有风险分层系统的宝贵补充。