多模式深度学习放射学诺米克图用于术前预测乳腺癌恶性病变:一项多中心研究

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 乳腺癌是全球女性最常见的癌症.
• 准确的风险分层对于精准医学在乳腺癌治疗中至关重要.
• 目前的方法需要改进,以有效地预测手术前恶性瘤.

研究的目的:

• 开发和验证使用放射学和深度学习的名图,用于在手术前预测乳腺癌恶性病变 (MBC).
• 通过对现有模型进行评价,以评估名ogram的性能.

主要方法:

• 对611名乳腺癌患者的临床和超声数据 (B模式,彩色多普勒) 的回顾性分析.
• 构建一个多模式的深度学习放射学名ogram (DLRN).
• 通过使用AUC和决策曲线分析对初级,验证和两个测试队伍进行验证.

主要成果:

• 在所有队列中,DLRN在预测MBC方面表现出很高的准确性,整体AUC范围从0.897到0.993.
• DLRN显著超过了三个单式车型的表现.
• 该模型显示出良好的临床实用性和区分能力.

结论:

• DLRN有效用于术前预测乳腺癌恶性瘤.
• 它增强了对临床,成像特征和病理学之间的联系的理解.
• DLRN可以支持开发用于乳腺癌的计算机辅助诊断系统.