Destilación de conocimientos de relación Aprendizaje profundo basado en 3D-ResNet para la predicción de subtipos...

Área de la Ciencia:

• Imágenes y diagnósticos médicos
• Inteligencia artificial en el cuidado de la salud
• En el campo de la oncología

Sus antecedentes:

• El subtipo molecular preciso del cáncer de mama es crucial para las estrategias de tratamiento personalizadas.
• Los videos de ultrasonido (EE.UU.) ofrecen una modalidad no invasiva para la evaluación del cáncer de mama.
• El desarrollo de modelos computacionales avanzados puede mejorar las capacidades de diagnóstico.

Objetivo del estudio:

• Desarrollar y validar un modelo tridimensional de red residual de destilación de conocimiento de relaciones (RKD-R3D).
• Para predecir los subtipos moleculares de cáncer de mama usando videos de ultrasonido.
• Evaluar el rendimiento del modelo con respecto a los métodos existentes para su aplicación clínica.

Principales métodos:

• Un estudio retrospectivo multicéntrico incluyó a 882 pacientes con cáncer de mama (2375 vídeos de EE.
• El modelo RKD-R3D fue desarrollado y validado para predecir cuatro subtipos moleculares de St. Gallen.
• El rendimiento se comparó con la RKD-R2D, la R3D tradicional y la biopsia con aguja central (CNB) utilizando el AUC, la precisión y otras métricas.

Principales resultados:

• RKD-R3D demostró un rendimiento superior (AUC: 0,88, 0,95) en comparación con RKD-R2D y R3D tradicional tanto en cohortes de prueba internas como externas.
• El modelo superó a CNB en la cohorte de prueba externa (precisión: 0,87 frente a 0,79).
• RKD-R3D mostró una alta precisión en la predicción del cáncer de mama triple negativo (AUC: 0,98) y para las lesiones T1 (AUC: 0,96).

Conclusiones:

• El modelo RKD-R3D que utiliza videos de ultrasonido es una herramienta prometedora para el subtipo molecular no invasivo del cáncer de mama.
• Este enfoque impulsado por la IA puede ayudar en la toma de decisiones clínicas y el manejo personalizado de los pacientes.
• La validación adicional puede establecer el RKD-R3D como un método de diagnóstico complementario estándar.