基于超声波的深度学习放射学用于增强状淋巴结转移的评估:一个多中心研究
Di Zhang1, Wang Zhou1, Wen-Wu Lu1
1Department of Ultrasound, The First Affiliated Hospital of Anhui Medical University, Hefei, China.
The oncologist
|May 11, 2025
概括
一个新的深度学习放射学模型使用超声波准确地预测乳腺癌中的下淋巴结转移 (ALNM). 这种人工智能工具显著提高了放射科医生的诊断准确性,帮助治疗决策.
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:
- 准确的手术前评估下淋巴结转移 (ALNM) 对于乳腺癌治疗计划至关重要.
- 目前的方法需要改进,以精确检测ALNM.
研究的目的:
- 开发一个深度学习放射学模型来评估乳腺癌中的ALNM.
- 评估模型对放射科医生的诊断准确性的影响.
主要方法:
- 一项涉及866名乳腺癌患者的多中心研究.
- 从超声波图像中提取深度学习和手工制作的放射学特征.
- 使用瘤和淋巴结得分以及临床超声波因素构建和验证临床放射学模型.
主要成果:
- 临床放射学模型实现了高分辨率,AUC在测试组中从0.91到0.95不等.
- 该模型的表现优于临床模型和单个得分 (P < .05).
- 随着模型的帮助,放射科医生的诊断准确性显著提高 (AUC增加了0.11-0.10).
结论:
- 开发的临床放射学模型为乳腺癌中ALNM的有效的非侵入性预测提供了有效的预测.
- 该模型增强了放射科医生的诊断能力,有可能优化乳腺癌管理和资源配置.
