影像生物标志物和人工智能对乳腺癌管理的影响:简要回顾

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 乳腺癌是全球主要的死亡原因.
• 乳腺成像报告和数据系统 (BI-RADS) 需要更新以整合新的成像技术.
• 目前的BI-RADS (第5版) 已经超过了许多先进的乳腺成像方法.

研究的目的:

• 为BI-RADS提供最新的审查,并纳入乳腺成像方面的最新进展.
• 探索人工智能 (AI),机器学习 (ML) 和深度学习 (DL) 在乳腺癌诊断中的作用.
• 提高放射科医生在个性化乳腺癌患者管理方面的技能.

主要方法:

• 对BI-RADS历史发展的回顾.
• 讨论先进的乳房造影,超声波 (美国),磁共振成像 (MRI),PET/CT和微波乳房成像.
• 探索分子乳腺成像 (MBI),诊断生物标志物和治疗反应评估.
• 对人工智能,ML和DL在乳腺癌成像和预测新辅助化疗 (NAC) 反应中的应用进行分析.

主要成果:

• 新型成像方法和人工智能的整合对于现代乳腺癌诊断至关重要.
• 人工智能,ML和DL在改善细分,检测和诊断准确性方面显示出显著的潜力.
• 这些技术可以帮助预测治疗反应,从而实现个性化医疗.

结论:

• 更新的BI-RADS框架对于包括新兴的成像技术和人工智能至关重要.
• 人工智能和先进的成像技术正在彻底改变乳腺癌放射学,提高诊断精度.
• 通过人工智能增强放射科医生的能力,有望在乳腺癌管理中获得更好的患者结果.