对于乳腺癌风险预测的深度学习:应用于英国大代表性查队列
Sam Ellis1, Sandra Gomes1, Matthew Trumble1
1From the Department of Scientific Computing (S.E., S.G., M.T., M.D.H.B., N.S.C., P.H., L.M.W.) and National Co-ordinating Centre for the Physics of Mammography (K.C.Y.), Royal Surrey NHS Foundation Trust, Egerton Road, Guildford GU2 7XX, England; and Centre for Vision, Speech and Signal Processing (M.D.H.B.) and Department of Physics (K.C.Y.), University of Surrey, Guildford, England.
Radiology. Artificial intelligence
|May 22, 2024
概括
一个人工智能 (AI) 深度学习工具可以从乳房影像中预测未来的乳腺癌风险. 这种人工智能模型在英国数据集上表现良好,有助于乳腺癌查.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 医疗保健中的人工智能
背景情况:
- 早期发现乳腺癌对于改善患者的治疗结果至关重要.
- 目前的查乳房扫描在预测未来癌症风险方面存在局限性.
- 人工智能为乳腺癌查中增强风险评估提供了潜力.
研究的目的:
- 开发和评估一种用于预测乳腺癌风险的深度学习工具,使用查性乳房造影.
- 评估模型在一个大型,多个网站的英国数据集上的表现.
- 探索AI模型对风险预测的可解释性.
主要方法:
- 使用了OPTIMAM哺乳镜成像数据库 (>300,000名患者).
- 训练了一种深度学习模型,对查乳房影像和患者年龄进行预测,以便在3年内预测癌症的发生.
- 在持久测试组上使用接收器操作特征曲线 (AUC) 下面的面积来评估模型性能.
主要成果:
- 在测试组中,AI模型在测试组中实现了总体AUC为0.70 (95%CI:0.69,0.72).
- 在不同查地点,种族和年龄组中,表现一致.
- Saliency 地图提供了对影响AI预测风险的乳房特征的洞察力.
结论:
- 开发的AI工具证明了乳腺癌风险的良好预测性能.
- 该模型对一个大型的,多个地点的英国人口数据集有效.
- 人工智能有望增加乳腺癌查和风险分层.
