Risikostratifizierung von wahrscheinlich gutartigen Veränderungen (BI-RADS 3) in der Mammographie mittels Bayesianischer Netzwerke
Zusammenfassung der Projektergebnisse
Auf Basis einer Datenbank von 62219 Mammographie-Befunden des Medical College of Wisconsin wurden 4941 (verschiedene) Patienten mit mindestens einer als BI-RADS 3 gewerteten Läsion identifiziert. Als Referenzstandard maligne versus benigne diente der Abgleich mit einem state cancer registry. Älteres Alter und eine frühere Brustkrebserkrankung wurden als signifikante Risikofaktoren identifiziert, die im Falle des gemeinsamen Vorkommens in einem Patienten die Zuordnung in BI-RADS 4 (Biopsie indiziert) erlaubten. Die odds ratios für die einzelnen identifizierten Risikofaktoren betrugen: Für das Alter 50 - 64 Jahre 12,44, für das Alter >64 Jahre 10,93 und für eine frühere Brustkrebserkrankung 5,53. Es wurde ein naives Bayesianisches Netzwerk zur Klassifikation von Herdbefunden in der Mammographie entwickelt. Dieses zeigte eine sehr gute diagnostische Genauigkeit. Es wurden zwei verschiedene Modelle entwickelt, a) ein Deskriptor-Modell mit den BI-RADS Deskriptoren und dem Patientenalter als diagnostische Variablen und b) ein Inklusiv-Modell mit den BI-RADS Deskriptoren, dem Patientenalter und den BI-RADS Bewertungskategorien als diagnostische Variablen. Für dieses Projekt wurden Läsionen mit Bewertungen BI-RADS 0, 2, 3, 4 und 5 eingeschlossen, die über eine vollständige Beschreibung nach dem BI-RADS Lexikon verfügten. Das Netzwerk wurde mit einem Trainingsdatensatz (n=1276, hiervon 138 maligne) entwickelt, die AUC (area under the curve) für das Deskriptor-Modell betrug hier 0,910, für das Inklusiv-Modell 0,959. Wenn auf den Validierungsdatensatz (n=1177, hiervon 175 maligne) angewandt betrug die AUC für das Deskriptor-Modell 0,867, für das Inklusiv-Modell 0,935. Der Klassifizierungsalgorithmus wurde unter www.ebmradiologv.com/nbmm/index.html zur Verfügung gestellt zur weiteren wissenschaftlichen Verwendung.
Projektbezogene Publikationen (Auswahl)
- A history of breast cancer and older age may warrant upgrade into BI-RADS 4 among patients assigned mammographic BI-RADS 3 in the diagnostic setting. ECR 2015, Wien
. Benndorf, Y. Wu, E. Burnside
- Development of a publicly accessible Bayesian CADx algorithm for mammographic mass lesions based on the breast imaging: reporting and data system (BI-RADS) lexicon. ECR 2015, Wien
M. Benndorf, E. Kotter, M. Langer, C. Herda, Y. Wu, E. Burnside
- Development of an online, publicly accessible naive Bayesian decision support tool for mammographic mass lesions based on the American College of Radiology (ACR) BI-RADS lexicon. European Radiology, June 2015, Volume 25, Issue 6, pp 1768–1775
M. Benndorf, E. Kotter, M. Langer, C. Herda, Y. Wu, E. Burnside
(Siehe online unter https://doi.org/10.1007/s00330-014-3570-6)
