深度学习模型使用数字乳腺图莫合成来预测乳腺癌的Ki-67表达
Ken Oba1, Maki Adachi2, Tomoya Kobayashi2
1Department of Radiology, St. Luke's International Hospital, 9-1 Akashi-Cho, Chuo-Ku, Tokyo, 104-8560, Japan.
Breast cancer (Tokyo, Japan)
|March 6, 2024
概括
这项研究开发了一个深度学习 (DL) 模型,使用数字乳腺图解 (DBT) 图像来预测乳腺癌患者的Ki-67表达. 该模型显示了指导手术前治疗策略的潜力.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 基-67表达是乳腺癌扩散的一个关键生物标志物.
- 准确预测Ki-67对于确定治疗策略至关重要.
- 数字乳腺图解 (DBT) 为乳腺癌评估提供了详细的成像.
研究的目的:
- 开发和评估一种深度学习 (DL) 模型,用于从DBT图像中预测Ki-67表达.
- 评估DL模型在分类高与低Ki-67表达的诊断性能.
- 探索该模型在指导乳腺癌手术前治疗决策方面的实用性.
主要方法:
- 一项回顾性研究涉及126名乳腺癌患者,证实Ki-67表达.
- 在DL模型开发中使用了Xception架构.
- 使用精度,灵敏度,特异性和AUC评估模型性能,根据放射学发现进行子组分析.
主要成果:
- DL模型实现了0.912的平均精度,0.629的灵敏度,0.985的特异性和0.883.88的AUC.
- 亚组 (质量,化,扭曲,焦点不对称密度) 的AUC值在0.660到0.890.
- 该模型在预测DBT图像中的Ki-67表达方面表现出强的表现.
结论:
- 开发的DL模型显示了使用DBT进行非侵入性预测Ki-67表达的前景.
- 这种预测能力可以帮助优化乳腺癌手术前治疗策略.
- 进一步的验证可能将基于DL的Ki-67预测作为临床实践中一个有价值的工具.
