非侵入性人工智能系统用于早期预测乳腺癌的新辅助化疗期间的残留癌症负担
Wei Li1,2, Yu-Hong Huang3, Teng Zhu3
1Department of Breast Cancer, The First People's Hospital of Foshan, Foshan, China.
Annals of surgery
|April 1, 2024
概括
一个AI系统预测乳腺癌新辅助化疗 (NAC) 期间的残留癌症负担 (RCB) 评分. 这种非侵入性工具有助于早期检测耐药性 (RCB III) 并支持临床决策.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺癌的残留癌症负担 (RCB) III表示药物耐药性.
- 在新辅助化疗 (NAC) 期间早期检测RCB III至关重要,但目前缺乏.
- 开发RCB的预测工具对于个性化治疗策略至关重要.
研究的目的:
- 开发和验证一个人工智能 (AI) 系统,用于早期预测经过NAC的乳腺癌患者的RCB得分.
- 将患者分为RCB 0-I,II和III类别进行非侵入性分类.
- 通过提供对治疗反应的早期见解来支持临床决策.
主要方法:
- 一个多任务的人工智能系统是使用放射学和深度学习特征开发的,该系统来自NAC前期和中期1048名乳腺癌患者的MRI扫描.
- 使用统计和机器学习方法提取和选择特征.
- 人工智能系统在初级队列 (n=335) 上进行了训练,并在三个外部队列 (n=713) 上进行了验证.
主要成果:
- 人工智能系统在预测RCB得分方面表现出很高的准确性,用于区分RCB III.的曲线下面积 (AUC) 为0.975 (初级队列) 和0.923 (外部队列).
- 一个单独的模型实现了0.976 (初级队列) 和0.910 (外部队列) 的AUC,用于区分RCB 0-I和RCB II-III.
- 人工智能系统的性能在各种临床T阶段和分子亚型中是一致的.
结论:
- 开发的多任务人工智能系统提供了一种非侵入性方法,用于在接受NAC的乳腺癌患者中早期预测RCB得分.
- 这种人工智能工具可以显著帮助临床医生做出及时和明智的治疗决策.
- 早期预测RCB得分有助于个性化治疗方法和乳腺癌的管理.
