一项基于超声波的深度学习诺米图的多中心队列研究,用于预测乳腺癌患者的新辅助化疗后状淋巴结状态
Shuhan Sun1, Yajing Chen1, Yutong Liu1
1Department of Ultrasound, The First Affiliated Hospital of Nanjing Medical University, Nanjing 210029, China.
Academic radiology
|October 15, 2024
概括
一种新的基于超声波的深度学习 (DL) 诺图准确地预测了乳腺癌患者在新辅助化疗 (NAC) 后的下淋巴结 (ALN) 状态,有助于放射科医生诊断.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 准确预测状淋巴结 (ALN) 状态对于乳腺癌治疗计划至关重要.
- 新辅助化疗 (NAC) 可以改变ALN状态,从而带来诊断挑战.
- 当前的诊断方法在评估NAC ALN后状态时可能存在局限性.
研究的目的:
- 用超声波 (US) 评估深度学习 (DL) 编号图,以预测NAC后的ALN状态.
- 评估名图的潜力,以协助放射科医生诊断乳腺癌.
主要方法:
- 在两个中心进行NAC的535名节点阳性乳腺癌患者的回顾性分析.
- 培训和验证五个DL模型 (ResNet 34,ResNet 50,VGG19,GoogleNet,DenseNet 121) 在NAC前后的美国图像.
- 构建一个基于美国的DL nomogram,结合DL预测和临床病理数据.
主要成果:
- 在ResNet 50模型实现了高性能 (AUC 0.837-0.850).
- 美国的DL nomogram表现出强大的预测能力 (AUC 0.890-0.870),表现优于临床和DL模型.
- 诺米图显著提高了放射科医生的诊断性能.
结论:
- 总部位于美国的DL nomogram显示了预测NAC后ALN状态的前景.
- 这种工具有可能提高放射科医生在乳腺癌管理中的诊断准确性.
