基于深度学习的AI系统在临床环境中使用超声波成像进行HER2向乳腺癌评估

科学领域:

• 癌症学
• 医学的人工智能
• 医学成像

背景情况:

• 开发了一种深度学习人工智能 (AI) 系统,用于实时分层风险和对HER2阳性乳腺癌的治疗监测.
• 人工智能系统是Stradexa计划的一部分,分析B模式超声波图像.
• 它的性能在临床环境中与组织病理学,免疫组织化学和治疗反应数据进行了评估.

研究的目的:

• 评估Herceptin (trastuzumab) 与Stradexa (doxorubicin) 在降低AI预测的乳腺癌恶性瘤风险方面的有效性.
• 评估使用深度学习人工智能系统监测乳腺癌患者治疗反应的可行性.

主要方法:

• 包括86名经组织学确认的乳腺癌患者,这些患者正在接受trastuzumab或 doxorubicin化疗.
• 用卷积神经网络驱动的乳房AI平台分析B模式超声波图像以生成恶性瘤风险百分比.
• 在治疗前和治疗期间对AI风险得分进行了比较,并对组内和组间的变化进行了统计分析.

主要成果:

• 人工智能工具表现出良好的诊断准确性.
• 在治疗期间,AI风险得分降低和瘤反应之间观察到有意义的相关性.
• 这种相关性在治疗trastuzumab组中尤为明显.

结论:

• 基于人工智能的成像工具显示了乳腺癌实时治疗监测的潜力.
• 人工智能产生的风险评分可以作为治疗疗效的非侵入性指标,趋势有利于Herceptin.
• 需要在更大,多样化的群体中进一步验证结果,并推进人工智能引导的瘤工作流程.