从多式乳腺癌数据中基于深度学习的HER2状态评估预测了新辅助疗法反应
Jiadong Zhang1,2,3, Yonghao Li1, Zheren Li4,5
1School of Biomedical Engineering and State Key Laboratory of Advanced Medical Materials and Devices, ShanghaiTech University, Shanghai, China.
Nature biomedical engineering
|October 17, 2025
概括
一种新的深度学习模型使用多式图像准确预测人体表皮生长因子受体2 (HER2) 状态,优于传统的乳腺癌治疗规划活检.
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:
- 准确地评估人类表皮生长因子受体2 (HER2) 状态对于乳腺癌治疗至关重要.
- 内异质性限制了传统针活检的准确性.
研究的目的:
- 引入一个深度学习模型,以使用预治疗多模式乳腺癌图像准确预测HER2状态.
- 为了比较模型的HER2预测性能与接受新辅助治疗的患者的针活检.
主要方法:
- 使用深度学习开发HER2多式调整和预测 (MAP) 模型.
- 利用预治疗多式乳腺癌图像进行全面的瘤特征反射.
- 在4个中心的6991例乳腺癌病例的14472张图像的大规模数据集上进行验证.
主要成果:
- 与针活检相比,HER2 MAP模型在预测患者反应方面表现优异.
- 在大规模数据集中观察到HER2 MAP模型的持续优越性.
- 该模型提供了更准确的HER2状态预测,反映了瘤特征的全面视图.
结论:
- 基于深度学习的HER2 MAP模型比传统的HER2状态评估方法有显著的进步.
- 该工具有助于医生做出明智的临床决策,规划乳腺癌治疗.
- 提高HER2预测准确性有可能提高乳腺癌护理中的患者结果.
