主要观点总结
复旦大学附属肿瘤医院顾雅佳团队在Insights into Imaging上发表了一篇关于利用双能CT（DECT）技术区分良恶性乳腺病变的研究。该研究旨在开发和验证一种基于DECT的模型，以无创检测乳腺病变。文章描述了研究的目标、方法、结果和结论。
关键观点总结
关键观点1: 研究背景和目标
该研究是基于DECT的新技术预测乳腺癌良恶性模范样本。目标是开发和验证一种基于双能CT（DECT）的模型，用于无创区分DECT上检测到的良恶性乳腺病变。
关键观点2: 材料和方法
本研究前瞻性地招募了疑似乳腺癌患者，通过双相对比增强DECT进行检测。乳腺病变被随机分为训练组和测试组，并收集了相关的临床特征、基于DECT的形态学特征和DECT定量参数。
关键观点3: 研究结果
年龄、病变形状和静脉期有效原子序数（Zeff）是乳腺病变的独立预测因子。包含这三个因素的模型在训练组和测试组中的诊断能力较高。构建的模型具有良好的拟合度，并在较宽的阈值概率范围内提供了较高的净收益。
关键观点4: 研究亮点和挑战
结合临床和形态学特征以及DECT衍生参数可以识别良性和恶性乳腺病变。研究的关键亮点在于对DECT上检测到的良恶性乳腺病变的无创区分具有良好的诊断性能。未来的突破点包括解决一些看不见的乳腺病灶问题、形态学特征分析中的共识问题以及探索该模型在不同类型乳腺癌中的表现。
文章预览
2024年7月，复旦大学附属肿瘤医院顾雅佳团队在 Insights into Imaging 发表了题为 Differentiating between benign and malignant breast lesions using dual-energy CT-based model: development and validation 的研究。该研究是基于DECT的新技术预测乳腺癌良恶性模范样本。 文章摘要 目标： 开发和验证一种基于双能 CT （DECT） 的模型，用于无创区分 DECT 上检测到的良恶性乳腺病变。 材料和方法： 本研究前瞻性地招募了 2022 年 7 月至 2023 年 7 月接受双相对比增强 DECT 的疑似乳腺癌患者。乳腺病变以 7：3 的比例随机分为训练组和测试组。收集临床特征、基于 DECT 的形态学特征和 DECT 定量参数。进行单因素分析和多因素 logistic 回归以确定乳腺良恶性病变的独立预测因子。构建了一个个体化模型。采用受试者工作特征 （ROC） 曲线分析评价模型的诊断能力，通过校准曲线和决策曲线
………………………………
