Optimización de la precisión de clasificación de S-detect para nódulos mamarios BI-RADS 4 utilizando parámetros de...

Área de la Ciencia:

• Análisis de imágenes médicas análisis de imágenes médicas.
• La inteligencia artificial en el diagnóstico.
• Detección de cáncer de mama por detección de cáncer de mama.

Sus antecedentes:

• La herramienta de aprendizaje profundo (DL) S-detect muestra una especificidad diagnóstica limitada (59,57%) para las lesiones mamarias del Sistema de Información y Datos de Imágenes de Mama (BI-RADS 4).
• El potencial de los parámetros cuantitativos de ultrasonido multimodal (MUS) para mejorar el rendimiento de S-detect no está bien establecido.

Objetivo del estudio:

• Mejorar la precisión diagnóstica de S-detect para diferenciar nódulos mamarios benignos de malignos.
• Para investigar la efectividad de la integración de parámetros MUS en la herramienta S-detect.

Principales métodos:

• Análisis retrospectivo de los datos clínicos y de ultrasonido de 231 pacientes femeninas con nódulos mamarios BI-RADS 4.
• Extracción y análisis de parámetros MUS cuantitativos (por ejemplo, índice de resistencia vascular, calcificación, relación de deformación elástica, índice de vascularidad).
• Evaluación del rendimiento de la clasificación S-detect antes y después de la optimización con parámetros MUS utilizando sensibilidad, especificidad, precisión y AUC.

Principales resultados:

• Los nódulos malignos exhibieron una relación de deformación elástica (SR) y un índice de vascularidad (VI) significativamente más altos en comparación con los nódulos benignos.
• El análisis multivariado identificó SR, VI, el índice de resistencia vascular, la calcificación y las características específicas del plano del eje como predictores independientes de la malignidad.
• El modelo combinado S-detect + MUS logró un alto rendimiento de diagnóstico (SE 86.75%, SP 92.31%, AUC 0.93), mejorando significativamente la especificidad para las lesiones BI-RADS 4a.

Conclusiones:

• La combinación de S-detect con parámetros MUS mejora sustancialmente la precisión del diagnóstico diferencial para las lesiones BI-RADS.
• Este enfoque integrado ofrece una base confiable para la toma de decisiones clínicas en la evaluación de nódulos mamarios.
• Se recomiendan más estudios prospectivos multicéntricos para validar estos hallazgos.