基于多参数MRI的放射学和深度学习的结合使用预测乳腺癌Ki-67表达的研究

科学领域:

• 放射学 放射学是指放射学
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 基-67表达对于乳腺癌预后和治疗选择至关重要.
• 准确的手术前预测Ki-67状态对于个性化治疗至关重要.

研究的目的:

• 开发一种使用乳腺MRI放射学和深度学习的多式模式.
• 在侵袭性乳腺癌中预测手术前Ki-67表达状态.

主要方法:

• 包括176名患有侵袭性乳腺癌的患者和Ki-67结果.
• 来自T1WI,DWI,T2WI和DCE-MRI的特征被提取并融合.
• 开发并使用ROC AUC,精度,灵敏度,特异性,PPV,NPV和F1得分来评估一个多参数MRI (mp-MRI) 模型.

主要成果:

• 所有模型都表现良好,mp-MRI模型达到0.96.9的最高AUC.
• mp-MRI模型的表现明显优于单个序列模型 (P < 0.05).

结论:

• 开发的多参数乳腺MRI放射学和深度学习模型有效地预测了手术前的Ki-67表达.
• 这种模式有可能促进乳腺癌的个性化治疗和精准医学.