基于纵向超声波的AI模型预测了状淋巴结对乳腺癌中新辅助化疗的反应:一项多中心研究

科学领域:

• 医疗成像医学成像
• 在瘤学中使用人工智能
• 无线电学 (Radiomics) 是一种无线电学.

背景情况:

• 准确预测状淋巴结 (ALN) 对新辅助化疗 (NAC) 的反应对于乳腺癌治疗计划至关重要.
• 目前依赖主观超声波诊断ALN状态通过超声波的依赖有局限性.

研究的目的:

• 开发和验证使用纵向乳房超声波数据的深度学习放射学模型.
• 在乳腺癌患者中预测ALN对NAC的反应.
• 为了比较模型的性能与超声波诊断器的诊断.

主要方法:

• 从接受NAC.的乳腺癌患者收集的超声波图像.
• 提取了放射学和深度学习功能,开发随机森林和支持矢量机器融合模型.
• 使用AUC,决策曲线分析和校准曲线评估模型性能.
• 将模型预测与超声波诊断和组织学结果进行了比较.

主要成果:

• 与NAC前 (0.786),NAC后模型 (0.853) 和超声波诊断 (0.719) 相比,融合模型实现了更高的AUC (0.899).
• 该模型在广泛的值概率范围内显示出显著的临床实用性.
• 人工智能模型提高了超声波仪的诊断准确度,从71.9%提高到79.2%.

结论:

• 一个深度学习放射学模型准确地预测了乳腺癌中ALN对NAC的反应.
• 开发的AI模型可以增强超声波测试人员对ALN状态的诊断能力.
• 这项技术有可能有助于乳腺癌管理中的手术决策.