Ultraschall Med 2011; 32(5): 511-517
DOI: 10.1055/s-0029-1245800
Originalarbeiten/Original Article

© Georg Thieme Verlag KG Stuttgart · New York

Multivariate Analysis of Flow Data in Breast Lesions and Validation in a Normal Clinical Setting

Multivariate Analyse von Flussdaten bei Mammatumoren und Validierung unter normalen klinischen RoutinebedingungenH. Madjar1 , W. Sauerbrei2 , L. Hansen3
  • 1Gynecology, DKD, Wiesbaden
  • 2Medizinische Biometrie und Informatik, Universitätsklinikum Freiburg
  • 3Gynecology, Private, Ravensburg
Further Information

Publication History

received: 3.11.2009

accepted: 3.9.2010

Publication Date:
15 November 2010 (online)

Zoom Image

Zusammenfassung

Ziel: Definition einer Diagnoseregel zur dopplersonografischen Differenzierung von Mammatumoren und zur Validierung der Daten durch eine Folgestudie unter klinischen Routinebedingungen. Material und Methoden: Durchblutungsmessungen bei 458 Patientinnen mit gut- und bösartigen Tumoren wurden verglichen. In einer multivariaten Analyse wurde ein diagnostischer Score durch ein logistisches Regressionsmodell und stufenweise Selektion entwickelt. Die Ergebnisse wurden mit 272 Patientinnen verglichen, die unter klinischen Routinebedingungen untersucht wurden. Ergebnisse: Die meisten Messungen zeigten einen hochsignifikanten Unterschied (p < 0,001) zwischen gut- und bösartigen Tumoren. Für jede Messung wurden zwei Cutpoints gewählt um eine Diagnoseregel zu definieren. Trotz signifikanter Unterschiede ergab keine Diagnoseregel eine Sensitivität und Spezifität von über 90 %. Durch multivariate Analyse wurde unter Berücksichtigung von Alter, Zahl der Tumorarterien und der kontralateralen Arterien ein Modell entwickelt. Der letztere Wert wies zwar signifikante Unterschiede auf, erlaubte aber kaum eine Verbesserung der Diagnoseregel, daher wurde er bei der multivariaten Modellbildung vernachlässigt. Basierend auf einem einfachen Modell unter Einbeziehung des Alters und der Zahl von Tumorarterien konnten wir eine Klassifikationsregel mit hoher Sensitivität und Spezifität definieren. Die RI-Messung erlaubte keine Verbesserung der Diskriminierungsfähigkeit unseres Scores. In der Validierungsstudie reduzierte sich die Sensitivität von 89 – 98 % auf 58 – 78 % und die Spezifität von 82 – 92 % auf 83 – 86 %. Schlussfolgerung: Der Farbdoppler kann zur Tumordifferenzierung eingesetzt werden. Allerdings zeigt sich in der klinischen Routinediagnostik eine deutlich geringere Treffsicherheit im Vergleich zu optimierten Studienbedingungen.

Abstract

Purpose: To improve differentiation between benign and malignant breast lesions by Doppler measurements and to validate results in a normal clinical setting in comparison to study conditions. Materials and Methods: Doppler measurements of 458 patients were compared in benign and malignant tumors in a prospective study. In a multivariate analysis a diagnostic score was developed using a logistic regression model and stepwise selection. These results were compared with 272 patients who were examined under routine clinical conditions. Results: Most measurements showed highly significant (p < 0.001) differences between benign and malignant tumors. For each measurement we considered two cut-points to define a diagnostic rule. Despite significant differences, none of the corresponding classification rules exceeded 90 % sensitivity and specificity. Multivariate analysis selected a model including age and the number of arteries and contralateral arteries. Although significant, the last factor barely improved diagnostic accuracy. Therefore, we deleted it from the multivariate model. Based on a simple model including age and the number of tumor arteries, we defined classification rules with high sensitivity and specificity. The RI measurement did not improve the discriminatory power of our score. In the validation study the sensitivity decreased from 89 – 98 % to 58 – 78 % with a specificity of 82 – 92 % vs. 83 – 86 %. Conclusion: Color Doppler can be used for breast cancer differentiation. However, in the clinical routine the sensitivity decreases considerably compared with optimized study conditions.