基于深度学习的乳房MRI用于预测状淋巴结转移:系统性审查和元分析.
Chia-Fen Lee1,2, Joseph Lin3,4,5, Yu-Len Huang6
1Department of Radiology, Changhua Christian Hospital, Changhua, Taiwan.
概括
深度学习算法在使用MRI扫描预测乳腺癌状淋巴结转移方面表现有前途. 这种人工智能方法可以提高诊断准确度,并可能减少对侵入性外科手术的需要.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌的诊断和分期通常涉及评估状淋巴结状态.
- 精确预测淋巴结转移对于治疗计划和患者的治疗结果至关重要.
- 目前的方法可能有局限性,需要先进的诊断工具.
研究的目的:
- 系统地审查和元分析深度学习 (DL) 算法的诊断性能.
- 评估DL在预测从乳房MRI的状淋巴结转移中的准确性.
- 评估DL在乳腺癌管理中的潜力.
主要方法:
- 在PubMed,MEDLINE和Embase数据库中的系统文献搜索 (2004年1月至2025年2月).
- 包括使用DL在乳腺MRI上的研究来预测状淋巴结转移的研究.
- 使用QUADAS-AI和ACCLAIM进行质量评估;通过元分析和SROC曲线计算的综合诊断准确性.
主要成果:
- 十项研究被纳入了元分析.
- 聚合灵敏度为0.76 (95% CI,0.67-0.83) 和聚合特异性为0.81 (95% CI,0.74-0.87).
- 观察到适度的异质性;接收器操作特征曲线 (AUC) 下的加权面积为0.788.8.
结论:
- 应用于乳腺MRI的深度学习算法在预测状淋巴结转移方面显示出有前途的诊断性能.
- 将DL纳入临床实践可以提高乳腺癌患者的决策能力.
- 这种非侵入性方法可以提高预测淋巴结参与的准确性,从而减少不必要的手术.


