多参数MRI深度学习模型用于对侵袭性乳腺管道癌的淋巴血管入侵评估:一个多中心的回顾性研究
1Department of Radiology, The First Affiliated Hospital of Wannan Medical College (Yiji shan Hospital), Wuhu, 241000, China.
Clinical radiology
|July 22, 2025
概括
这项研究开发了一种使用多参数MRI的深度学习模型,用于预测侵袭性乳腺导管癌中的淋巴血管入侵. 综合模型显著提高了预测准确性,为手术前评估提供了一个新的工具.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 淋巴血管侵袭 (LVI) 是侵袭性乳腺管道癌 (IBDC) 的关键预后因素.
- 精确的手术前评估LVI对于最佳的治疗计划至关重要.
- 目前用于LVI检测的方法在灵敏度和特异性方面存在局限性.
研究的目的:
- 评估基于多参数磁共振成像 (MRI) 的深度学习 (DL) 模型在预测IBDC中的LVI状态方面的有效性.
- 为了比较不同DL模型的性能和综合方法,将临床放射学特征 (CRF) 与基于MRI的DL特征集成.
主要方法:
- 对来自两个中心的448名IBDC患者进行了回顾性分析.
- 使用T1WI-CE2和T1WI-CE3MRI序列训练和验证了一个MobileNetV2-3D DL模型.
- 开发并使用AUC,校准曲线和决策曲线分析 (DCA) 评估了整合CRF和多参数MRI DL特征的组合模型.
主要成果:
- 在验证和测试组中,T1WI-CE3 DL模型在验证和测试组中表现优于T1WI-CE2模型 (AUC分别高达0.842和0.774).
- 组合模型实现了高预测性能,验证组的AUC为0.939,测试组的AUC为0.941,精度分别为0.892和0.872.
- 校准曲线显示出良好的预测一致性,DCA证实了组合模型的临床实用性.
结论:
- 多参数MRI与深度学习相结合,为IBDC的手术前LVI评估提供了一种新且准确的工具.
- 这种综合方法有可能帮助临床医生为IBDC患者制定更精确和个性化的治疗策略.
