基于多模态超声影像特征与临床数据的诺莫图模型在乳腺肿块良恶性鉴别中的临床应用价值

　　本研究旨在解决乳腺肿块便捷准确无创鉴别难题。研究人员通过构建整合CA15-3、CA125、弹性参数(Emax/Esd/弹性比值/弹性评分)与超声特征（边界模糊/形态不规则/穿支血管/硬环征）的诺莫图模型，在训练集与验证集中均展现出卓越的判别性能（AUC=1.00），为临床决策提供重要量化工具。

　　

研究团队通过回顾性分析132例乳腺肿块患者的临床资料与超声影像特征，创新性地构建了基于多模态超声影像特征的诺莫图（Nomogram）鉴别模型。该模型整合了肿瘤标志物CA15-3、CA125，弹性成像参数（包括最大弹性模量E_max、弹性模量标准差E_sd、弹性比值），超声弹性评分，以及常规超声特征（边界模糊、形态不规则、穿支血管、硬环征）等多维度指标。

通过7:3比例随机划分训练集（92例）与验证集（40例），采用逻辑回归分析发现上述指标均为乳腺恶性肿瘤的独立风险因素。模型验证结果显示：训练集受试者工作特征曲线下面积（AUC）达1.00（95%置信区间：0.99-1.00），Hosmer-Lemeshow拟合优度检验证实预测曲线与理想曲线高度吻合，决策曲线分析（DCA）表明模型在多重阈值范围内均具有显著净获益。这些优异性能在独立验证集中得到一致性验证。

尽管该模型展现出卓越的临床适用性，研究者同时指出本研究为单中心、小样本探索，未来需通过多中心大样本研究进一步验证模型的泛化能力。该诺莫图模型为乳腺病变的无创精准诊断提供了多参数量化分析新范式，有望成为临床医师决策支持的重要工具。