European?Radiology：加入这个放射组学信息，鉴别乳腺良恶性病变可能不再困难！

对比增强乳房钼靶（CEM）它是一种新兴的乳腺成像技术。它基于双能量乳腺造影技术，利用静脉注射碘化造影剂来描述乳腺病变的增强。（BCs）在CEM即使是乳房致密的女性也非常敏感。

随着计算机技术的进步，放射组学发展迅速。放射组学利用高通量计算提取大量图像特征，将标准医学图像转换为可量化数据，然后分析传统的生物统计和人工智能，包括机器学习方法。据我们所知，目前对周围环境或周围本质的研究非常有限。

近几十年来，随着人们越来越关注微环境，越来越多的研究重点关注周边地区的定量表征。考虑到瘤周地区独特的生物意义，最近的一些研究试图探索BC肿瘤射组学特征的作用表明，这些特征是在预测诊断或预后。然而，这些研究大多采用乳腺磁共振成像（MRI）或者超声图像，到目前为止还没有研究和使用CEM乳腺周围放射组学特征的图像BC的诊断。

最近发表在EuropeanRadiology本杂志的一项研究评估CEM辐射组学分析在乳腺良性和恶性病变识别中的价值，为乳腺癌的早期诊断和治疗提供了技术支持。

2017年11月至2027年11月至202年2月CEM检查的患者。病变轮廓由人工划定。自动获得病灶周围区域。每个病变有七个感兴趣的区域（ROI），包括病变ROI、环形周围ROI病变 周围(1mm、3mm、5mm)ROI（1毫米、3毫米、5毫米）。总体而言，从每个ROI提取了4098个放射组学特征。数据集分为训练和测试集(1:1)。LASSO回归法构建了七种投资回报率特征的分类模型。模型的性能是由AUC和95%的CI来评估。

一般来说，190名女性有223种乳腺病变(101种良性病变；122种恶性病变)。在测试组中，3毫米的环形周边ROI模型显示最高AUC，为0.930（95%CI：0.882-0.977），其次是1mm的环形周边ROI模型（AUC=0.929；95%CI：0.881-0.978）和病变ROI模型（AUC=0.909；95%CI：0.857-0.961）。结合3mm模型的病变ROI和环状周围ROI预测概率产生了一种新的模型，该模型在测试集中获得了较高的AUC（AUC=0.940）。

图受试者的工作特点（ROC）曲线。蓝色曲线代表病变感兴趣的区域（ROI）提取的放射组学特征构建的模型(模型1)ROC曲线。绿色曲线代表从3mm环形兴趣区提取的放射组学特征构建的模型(模型3)ROC曲线。红色曲线代表综合模型(模型8)ROC该模型由模型1和模型3计算的预测概率组成。

本研究发现，CEM图像中3mm的环周围区域在区分良性和恶性乳腺病变方面具有较高的临床价值。在基于病变信息的放射组学模型中添加环状瘤周信息可显著提高诊断效果，为乳腺癌的自动诊断和评估提供了可能性。

原文出处：

SiminWang,YuqiSun,RuiminLi,etal.Diagnosticperformanceofperilesionalradiomicsysisofcontrast-enhancedmammographyforthedifferentiationofbenignandmalignantbreastlesions.DOI:10.1007/s00330-021-08134-y