使用人工智能超声波乳腺系统开发和评估乳腺癌术后复发和转移的预测模型

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:

• 乳腺癌的复发和转移带来了重大的临床挑战.
• 准确预测术后结果对于个性化治疗策略至关重要.

研究的目的:

• 评估人工智能超声波乳房系统 (AIUBS) 在创建乳腺癌复发和转移的预测模型中的可行性和有效性.
• 确定术后复发和转移的关键预测因素.

主要方法:

• 对120名经过手术的乳腺癌患者进行了回顾性分析.
• 使用后勤回归开发一个名录模型,结合淋巴结转移和激素受体状态等预测因素.
• 使用ROC曲线,校准曲线和决策曲线分析验证模型的性能.

主要成果:

• 淋巴结转移和人体表皮生长因子受体2 (HER2) 状态在单变量分析中是显著的预测因素.
• 淋巴结转移和雌激素受体 (ER) 状态在多变量分析中被证实是独立的预测因素.
• 基于AIUBS的名图实现了0.77的曲线下的面积 (AUC),表明了良好的预测准确性.

结论:

• 基于AIUBS的预测模型在预测乳腺癌患者的术后复发和转移方面具有很高的准确性和临床实用性.
• 这种工具可以帮助人们做出有关个性化治疗和后续护理的明智决策.