通过高强度超声波和生物标志物对乳腺癌进行分级的双并行人工智能框架
Pritee Parwekar1, Krishna Kant Agrawal2, Jabir Ali3
1GITAM School of Technology, GITAM Univeristy, Hyderabad, India.
Cancer biotherapy & radiopharmaceuticals
|September 30, 2025
概括
这项研究引入了一种新的AI框架,使用超声波图像和生物标志物进行准确的,非侵入性的乳腺癌分级和治疗监测,达到97.8%的准确性,并显示出显著的治疗反应.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 精确的乳腺癌分级和治疗监测至关重要,但具有挑战性.
- 传统的方法,如组织病理学和仅成像技术在捕捉瘤复杂性方面存在局限性.
- 实时监测和个性化治疗需要使用非侵入性方法.
研究的目的:
- 开发一种用于乳腺癌分析和治疗监测的新型,非侵入性框架.
- 将高强度超声波成像与患者特定的生物标志物相结合,以提高诊断深度.
- 为了实现可靠的癌症分类和治疗反应的定量评估.
主要方法:
- 一个双平行的人工智能策略,结合了两个卷积神经网络 (CNN) 流.
- 流1:双流CNN处理高强度超声波图像的空间和形态特征.
- 流2:生物标志物意识的CNN利用乳腺癌生物标志物 (CA 15-3,CEA,HER2) 作为分子指标.
主要成果:
- 获得了97.8%的整体乳腺癌分级准确率和恶性瘤分类的AUC为0.981.
- 经过量化治疗后分析,显示瘤反应平均有41.3%的改善.
- 在化疗前和后的患者队列上验证的有效性.
结论:
- 双平行AI策略为传统方法提供了一个有前途的非侵入性替代方案.
- 这种方法支持实时癌症监测和个性化治疗评估.
- 图像和生物分子数据的整合增强了智能乳腺癌管理的诊断深度.
