基于人工智能的乳腺癌鉴定在乳房扫描和断层合成中:对放射学和深度学习进行亚型,分期和预后的审查
1Instituto de Biofísica e Engenharia Biomédica, Faculdade de Ciências, Universidade de Lisboa, 1749-016 Lisboa, Portugal.
Cancers
|October 29, 2025
概括
人工智能 (AI) 在分析乳腺造影 (MM) 和乳腺全合成 (BT) 图像中显示出有前景,以预测乳腺癌特征,可能减少侵入性活检的需要. 需要进一步的研究来进行临床整合和验证.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌活检是侵入性的,可能会错过瘤异质性.
- 人工智能 (AI) 提供医疗图像的非侵入性分析.
- 乳房显微镜 (MM) 和乳房断层合成 (BT) 是关键的成像方式.
研究的目的:
- 审查基于人工智能的方法,用于使用MM和BT进行乳腺癌瘤亚型,分期和预后.
- 评估当前AI模型在乳腺癌成像分析中的性能和局限性.
主要方法:
- 一份对1091篇PubMed文章的半系统性审查,其中包括81项符合纳入标准的研究.
- 基于临床目标,成像方式 (MM/BT),AI管道,数据集大小和性能指标的研究分析.
- 专注于放射学和深度学习 (DL) 方法.
主要成果:
- 人工智能模型擅长预测瘤亚型,特别是受体状态 (ER/PR,HER2),使用MM和BT.
- 深度学习模型表现出强的性能,特别是在大型数据集.
- 有希望的,虽然研究较少,结果为分期 (带淋巴结转移) 和预后 (病理完整反应).
- 多模式成像方法提高了准确性,但代表性不足.
- 公共数据集的有限使用阻碍了可重复性.
结论:
- 人工智能可以从MM和BT中预测乳腺癌的关键特征,为活检提供一种非侵入性的替代方案.
- 挑战包括可概括性,外部验证和临床整合.
- 未来的研究应该专注于标准化数据,更大的多中心数据集和多模式验证.
