双模式虚拟活检系统集成MRI和MG用于非侵入性预测乳腺癌中的HER2状态
Qian Wang1, Zi-Qian Zhang2, Can-Can Huang1
1Department of Radiology, The Affiliated Huai'an Clinical College of Xuzhou Medical University, Huai'an, Jiangsu Province, China (Q.W., C.-C.H., H.-W.X., G.-J.B.).
Academic radiology
|March 11, 2025
概括
一个新型的深度学习系统 (DM-VBS) 准确地预测了使用MRI和乳房影像的乳腺癌中人类表皮生长因子受体2 (HER2) 状态. 这种工具有助于临床医生为乳腺癌患者做出有针对性的治疗决定.
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:
- 精确的人类表皮生长因子受体2 (HER2) 表达的确定对于指导乳腺癌向治疗至关重要.
- 目前用于HER2评估的方法可能是侵入性的和耗时的.
- 需要使用非侵入性方法来预测HER2状态.
研究的目的:
- 开发和验证基于深度学习 (DL) 的决策视觉生物标记系统 (DM-VBS).
- 预测HER2状态使用放射学和DL特征从MRI和乳房影像.
- 帮助临床医生做出乳腺癌治疗决策.
主要方法:
- 放射性特征是从MRI中提取的,DL特征是从乳房镜中提取的.
- 建立了四个子模型,以区分HER2-zero/low和HER2-positive病例,并区分HER2-zero和HER2-low/positive病例.
- 这些子模型被整合到XGBoost模型中,用于HER2状态的三元分类,并在独立的数据集上进行验证.
主要成果:
- 在预测HER2状态方面,DM-VBS获得了高性能,AUC值从0.793到0.850.
- 在验证队伍中,HER2-zero, -low和 -positive患者的平均准确率分别为85.42%,80.4%和89.68%.
- 与HER2状态相关的显著成像特征包括病变大小,病变数量,增强类型和微化.
结论:
- 开发的DM-VBS在从医学成像中预测HER2状态方面表现出很高的准确性.
- 这种由人工智能驱动的工具可以帮助临床医生做出明智的乳腺癌治疗决定.
- 该系统提供了HER2状态评估的非侵入性方法,可能改善患者管理.
