在高风险乳腺MRI查中预测未来病变出现的深度学习:可行性研究

科学领域:

• 医疗成像医学成像
• 医疗保健中的人工智能
• 在瘤学瘤学.

背景情况:

• 国际指导方针建议对比增强磁共振成像 (CE-MRI) 用于高风险乳腺癌 (BC) 查.
• 该研究调查了深度学习在负BC查考试中用于异常检测的使用.

研究的目的:

• 评估基于深度学习的异常检测在识别CE-MRI扫描中微妙变化的适用性.
• 确定这些异常是否与高风险女性未来的病变出现有关.

主要方法:

• 在33名没有BC的高风险女性的动态CE-MRI数据上训练了一个生成对抗网络.
• 根据从正常乳腺组织变异性的偏差计算出异常得分.
• 用ROC曲线和后勤回归分析了与未来病变出现的关联.

主要成果:

• 图像补丁上的局部异常得分预测了未来的病变出现,ROC曲线下的面积为0.804.
• 考试级异常得分与稍后的病变出现有显著的关联 (p=0.045).

结论:

• 在乳腺癌病变之前,在高风险女性的CE-MRI中可以检测到异常外观变化.
• 这些早期的图像签名可以为个性化BC风险评估和查调整提供信息.