深度学习模型用于在乳腺癌患者接受新辅助化疗后早期预测病理反应,使用动态对比增强的MRI
Meng Lv1, BinXin Zhao2, Yan Mao1
1Breast Disease Diagnosis and Treatment Center, The Affiliated Hospital of Qingdao University, Qingdao, Shandong, China.
Frontiers in oncology
|March 12, 2025
概括
这项研究开发了一个使用DCE-MRI的深度学习模型,以预测乳腺癌患者的新辅助化疗反应. ResNet18模型准确地识别了将从化疗中受益的患者,改善了治疗决策.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 准确预测新辅助化疗 (NAC) 反应对于优化乳腺癌治疗至关重要.
- DCE-MRI为瘤特征和治疗反应提供了宝贵的见解.
研究的目的:
- 研究深度学习 (DL) 方法的诊断准确性,以预测乳腺癌患者对NAC的病理反应.
- 为个性化NAC治疗选择开发一个简单且易于使用的工具.
主要方法:
- 分析了313名乳腺癌患者的DCE-MRI数据,这些患者接受了NAC.
- 多个DL框架 (ViT,VGG16,ResNet18,等等) 被用于特征提取.
- 机器学习分类器 (SVM,KNN,RandomForest等) 的使用 用于构建预测模型.
主要成果:
- 在预测NAC响应方面,ResNet18表现出卓越的性能.
- 在训练和测试队列中,ResNet18模型实现了0.87的AUC.
- 该模型有效地区分了对NAC的响应者和不响应者.
结论:
- 使用治疗前DCE-MRI的DL模型可以可靠地预测对NAC的病理反应.
- 该工具有助于识别可能受益于NAC的患者,优化治疗策略.
- 它还有助于避免对不响应者不必要的NAC,允许及时进行手术干预.
