人工智能可以提取重要的特征,用于诊断状淋巴结转移在早期乳腺癌使用对比增强超声波使用对比增强超声波

科学领域:

• 医疗成像医学成像
• 在瘤学瘤学.
• 人工智能在医学中的应用

背景情况:

• 与对比度增强的超声波 (CEUS) 对于诊断原发性乳腺癌和带淋巴结 (ALN) 转移至关重要.
• 使用CEUS预测ALN转移的关键成像特征需要进一步阐明,以提高诊断准确度.

研究的目的:

• 开发和验证用于预测早期乳腺癌患者ALN转移的双模模型.
• 使用机器学习方法将CEUS成像与注释功能集成在一起.
• 为了确定临床关键的成像特征,表明ALN转移.

主要方法:

• 一项回顾性研究涉及788名乳腺癌早期患者788名ALN的CEUS图像 (2013-2021年).
• 使用光梯度增强机器开发双模模型,用于分析CEUS图像并提取特征的重要性.
• 通过病理诊断确定基本真相;使用ROC曲线下的面积 (AUC) 和准确度评估诊断性能.

主要成果:

• 双模模型在测试队列中实现了0.93的AUC (95%CI:0.88,0.98).
• 该模型的高精度为0.93,超过了放射科医生的诊断 (精度为0.85).
• 确定的主要预测成像特征包括异质增强,扩散皮质加厚和异常皮质加厚.

结论:

• 开发的双模模型在预测早期乳腺癌中ALN转移方面表现出极好的诊断性能.
• 识别的成像特征对于在临床实践中确认ALN转移至关重要.
• 这种人工智能集成的方法增强了诊断能力,超出了传统的放射性评估.