基于二维超声波的深度学习放射学,用于预测乳腺癌中新辅助化疗的有效性
Zhan Wang1, Xiaoqin Li2, Heng Zhang2
1Jintan Peoples Hospital, Jiangsu, Changzhou, China.
Ultrasonic imaging
|September 11, 2024
概括
一个新的DLRC模型结合了超声波放射学,深度学习和临床数据,准确地预测乳腺癌患者在新辅助化疗 (NAC) 后的病理完整反应 (pCR).
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:
- 新辅助化疗 (NAC) 对于乳腺癌治疗至关重要.
- 预测病理完整反应 (pCR) 对个性化治疗策略至关重要.
- 目前的预测方法在准确性和临床实用性方面存在局限性.
研究的目的:
- 开发和验证一个全面的预测模型 (DLRC) 对于乳腺癌中NAC后的pCR.
- 整合手术前超声波放射学,深度学习和临床特征,以提高预测.
- 评估DLRC模型的临床可行性和性能.
主要方法:
- 155名接受NAC的乳腺癌患者被招募并分为培训 (70%) 和验证 (30%) 组.
- 从预处理图像中提取了超声波放射学和深度学习特征.
- 使用特征选择算法 (随机森林,LASSO) 和后勤回归来构建DLRC模型,整合DL-Score,Rad-Score和临床因素.
主要成果:
- DLRC模型对pCR的预测准确度很高,在训练组中AUC为0.937,在验证组中为0.914.
- DLRC模型的表现优于个人临床,放射学 (Rad-Score) 和深度学习 (DL-Score) 模型.
- 决策曲线分析证实了DLRC模型的优越临床价值和实用性.
结论:
- 该DLRC模型结合了超声波放射学,深度学习和临床数据,准确地预测了接受NAC的乳腺癌患者的PCR.
- 这种全面的模型为协助个性化诊断和治疗规划提供了巨大的潜力.
- DLRC模型显示出高临床价值,为改善乳腺癌管理铺平了道路.
