基于人工智能的乳腺损伤的分类与对比增强的乳房造影:一个多中心研究
Haicheng Zhang1,2, Fan Lin2, Tiantian Zheng2
1Big Data and Artificial Intelligence Laboratory.
International journal of surgery (London, England)
|May 15, 2024
概括
一个人工智能 (AI) 模型使用对比增强乳房扫描 (CEM) 准确诊断乳房病变. 这种人工智能工具显示出强大的预测性能,有助于手术前诊断和理解病变生物学.
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:
- 精确的术前诊断乳腺病变对于有效的治疗计划至关重要.
- 增强对比度的乳房显微镜 (CEM) 为乳腺病变的特征提供了有价值的功能信息.
- 开发先进的诊断工具可以改善患者的治疗结果.
研究的目的:
- 开发和验证一种基于人工智能 (AI) 的方法,用于使用CEM诊断乳腺病变.
- 探索人工智能驱动的乳腺损伤分类背后的生物机制.
- 为了区分良性和恶性乳腺病变,并进一步分类乳腺癌亚型.
主要方法:
- 一项涉及1430名接受CEM的患者的回顾性研究.
- 使用 RefineNet 开发一个人工智能模型,使用卷积块注意模块 (CBAM) 进行特征改进.
- 整合AI衍生特征与临床数据使用XGBoost分类器用于病变诊断和亚型分类.
主要成果:
- 在外部测试组上,AI模型在诊断良性与恶性乳腺病变时实现了0.932的曲线下的面积 (AUC).
- 该模型在区分局部和侵入性癌症方面表现出强的表现 (AUC 0.7880.824).
- 生物分析将高风险病变与细胞外矩阵组织等途径联系起来.
结论:
- 开发的AI模型展示了使用CEM和临床数据诊断乳腺病变的高预测性能.
- 人工智能方法为手术前的乳腺损伤评估提供了一个有前途的工具.
- 对生物基础的进一步研究可以增强人工智能诊断能力.
