探讨基于锥光束乳腺CT（CBBCT）影像特征构建的logistic回归模型鉴别致密类乳腺内肿块良恶性的价值。
方法回顾性分析2011年5月至2020年8月接受CBBCT增强检查并取得病理结果的106例致密类乳腺肿块患者（130个肿块）资料，作为训练集；自2020年8月起，前瞻性连续收集符合相同标准的49例患者（54个肿块）资料并作为验证集。以病理结果为金标准，将训练集分为良性和恶性两组。采用t检验、χ2检验及Fisher确切概率法比较训练集中2组CBBCT影像特征差异，并通过多因素分析建立二元logistic回归模型。采用ROC曲线评估模型整体在训练集与验证集中的诊断效能及模型中各个特征的诊断效能，并确定强化程度（ΔCT）的截断点。采用H-L法进行模型的拟合优度检验。绘制决策曲线（DCA）以验证模型的临床效能。
结果单因素分析显示，良恶性组的乳腺实质背景强化（BPE）、形状、边缘、分叶、毛刺、密度、钙化形态、ΔCT值、强化方式、伴有非肿块样强化、血管不对称增加（IIV）及周围血管征差异均有统计学意义（P<0.05）。多因素回归分析中，BPE、边缘、ΔCT值、IIV共4个特征进入logistic模型，构建的回归方程为：Logit（P′）=-8.510+0.830×BPE+0.822×边缘+1.919×ΔCT值+1.896×IIV。ROC曲线分析显示，该模型在训练集及验证集中诊断恶性肿块的曲线下面积分别为0.879（P<0.001）、0.851（P=0.001）。训练集中BPE、边缘、ΔCT值、IIV 4个特征诊断恶性肿块的曲线下面积分别为0.645、0.711、0.712、0.775（P均<0.05）；ΔCT鉴别良恶性肿块的最佳截断值为50.38 HU。该模型的拟合优度好（P=0.776）。DCA曲线示危险度阈值在0.05~0.97时，净获益率>0，该模型具有一定的临床价值。
结论以CBBCT影像特征建立的logistic回归模型有助于鉴别致密类乳腺内肿块的良恶性。