Desarrollar un modelo radiómico intratumoral y peritumoral basado en resonancia magnética multiparamétrica (RMmp) para la diferenciación preoperatoria entre tumores phyllodes (TP) y fibroadenomas (FA).
Materiales y métodosSe incluyó de forma retrospectiva a un total de 160 pacientes (62TP y 98FA).Se analizaron las características de la RM convencional y los datos clínicos para construir un modelo clínico-RM convencional (MCC). Las características radiómicas se extrajeron de los volúmenes de interés (VOI) tridimensionales, que incluyeron las regiones intratumoral y peritumoral (expansiones de 1 y 2mm) en la RMmp, incluyendo las secuencias dinámicas potenciadas en T1 con contraste (DCE-T1WI), potenciadas en T2 con STIR (T2WI-STIR), de difusión (DWI) y el mapa de coeficiente de difusión aparente (ADC). Tras la selección de características mediante regresión LASSO (least absolute shrinkage and selection operator), se identificó un modelo radiómico combinado que integraba las características intratumorales y peritumorales de 2mm (MRI+MRP2mm) como el modelo más representativo. Su puntuación radiómica (Radscore) se combinó posteriormente con las características de la RM convencional y los predictores de datos clínicos que resultaron significativos para desarrollar un modelo integrado (MI) El rendimiento del modelo se evaluó mediante el análisis de la curva característica operativa del receptor (ROC), curvas de calibración y curvas de decisión.
ResultadosEl modelo MRI+MRP2mm se identificó como el modelo radiómico más representativo, alcanzando un área bajo la curva (AUC) de 0,925 en la cohorte de entrenamiento y de 0,903 en la de prueba. El MI alcanzó el mejor rendimiento global, con un AUC de 0,957 en el conjunto de entrenamiento y de 0,929 en el de prueba. Este modelo superó de manera significativa tanto al MCC como al MRI+MRP2mm. Los análisis de las curvas de calibración y de decisión confirmaron su fiabilidad y utilidad clínicas.
ConclusiónEl MI puede diferenciar con precisión los TP de los FA mamarios en la fase preoperatoria, lo que demuestra su potencial como herramienta fiable para respaldar la toma de decisiones clínicas.
To develop an intratumoral and peritumoral radiomics model based on multiparametric magnetic resonance imaging (mpMRI) for the preoperative differentiation between breast phyllodes tumours (PTs) and fibroadenomas (FAs).
Materials and methodsA total of 160 patients (62PTs and 98FAs) were retrospectively included. Conventional MRI features and clinical data were analysed to construct a clinical-conventional MRI model (MCC). Radiomic features were extracted from three-dimensional volumes of interest (VOI) encompassing the intratumoral and peritumoral regions (1mm and 2mm expansion) on mp-MRI, including dynamic contrast-enhanced T1-weighted imaging (DCE-T1WI), T2-weighted imaging with short tau inversion recovery (T2WI-STIR), diffusion-weighted imaging (DWI) and apparent diffusion coefficient (ADC). After feature selection via least absolute shrinkage and selection operator (LASSO) regression, a combined radiomics model integrating intratumoral and peritumoral 2mm radiomic features (MRI+MRP2mm) was identified as the most representative model. Its radiomics score (Radscore) was then combined with significant conventional MRI features and clinical data predictors to develop a comprehensive model (MI). Model performance was evaluated using receiver operating characteristic (ROC) analysis, calibration curves and decision curve analysis.
ResultsThe MRI+MRP2mm was identified as the most representative radiomics model, achieving an area under the curve (AUC) of 0.925 and 0.903 in the training and test sets, respectively. The CPM achieved the best overall performance, with an AUC of 0.957 and 0.929 in the training and test sets, respectively. It significantly outperformed both the MCC and the MRI+MRP2mm. Calibration and decision curve analyses confirmed its clinical reliability and utility.
ConclusionThe CPM can accurately differentiate between breast PTs and FAs preoperatively, demonstrating its potential to be a reliable tool that can support clinical decision making.

