一个多式深度学习模型用于乳腺癌亚型的分类
Chaima Ben Rabah1, Aamenah Sattar2, Ahmed Ibrahim1
1AI Innovation Lab, Weill Cornell Medicine, Doha 24144, Qatar.
Diagnostics (Basel, Switzerland)
|May 1, 2025
概括
一个新的多式人工智能 (AI) 模型使用乳房影像和临床数据准确地分类乳腺癌亚型. 这种非侵入性方法显示出改善乳腺癌诊断和个性化治疗策略的巨大潜力.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 乳腺癌是一种复杂的疾病,具有分子亚型,需要特定的治疗方法.
- 目前的亚型化方法,如免疫组织化学,是侵入性的,可能会错过瘤异质性.
- 人工智能 (AI),特别是深度学习 (DL),为分析医疗图像提供了一个非侵入性的替代方案.
研究的目的:
- 开发和评估一种多式联络DL模型,用于将乳腺癌病变分为五种亚型.
- 整合乳房图像与临床元数据,以提高分类准确度.
- 为了比较多式模式与单式模式模式的性能.
主要方法:
- 设计了一种多模式的DL模型,将乳房影像和临床数据结合起来.
- 该模型在中国乳房学数据库 (CMMD) 上进行了训练和验证,包括来自1775名患者的4056张图像.
- 分类类别包括良性,光线A,光线B,HER2丰富和三阴性乳腺癌.
主要成果:
- 多式联络DL模型在分类五种乳腺癌类别时,AUC达到88.87%.
- 这显著优于仅使用乳房图像的单模模型 (AUC 61.3%).
- 该研究表明,将成像与临床数据整合在一起的性能优越.
结论:
- 多式人工智能驱动的方法对非侵入性乳腺癌亚型分类有显著的希望.
- 这些发现表明,有可能提高乳腺癌的诊断精度.
- 这项研究为更加个性化和有效的治疗策略铺平了道路.
