Mammo-AGE:从乳房图片中深度学习估计乳房年龄
Xin Wang1,2, Tao Tan3,4, Yuan Gao1,2,5
1Department of Radiology, The Netherlands Cancer Institute, Amsterdam, The Netherlands.
Nature communications
|December 8, 2025
概括
这项研究引入了一种深度学习模型,用于从乳房影像中预测生物学乳房年龄. 这种乳腺年龄估计可以帮助分层癌症风险,并可能改善早期检测和个性化查策略.
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:
- 生物年龄是一个关键的健康指标.
- 乳房造影对于乳腺癌查至关重要.
- 基于乳房镜的生物年龄预测尚未得到充分研究.
研究的目的:
- 开发一个深度学习模型,从乳房影像中估计乳房的生物年龄.
- 评估模型的准确性和与时间表年龄的相关性.
- 调查乳腺年龄差距与乳腺癌风险之间的关联.
主要方法:
- 使用大型乳腺造影数据集 (95,826张图像) 开发了一个深度学习模型.
- 在额外的数据集上对模型进行外部验证.
- 使用阻塞分析来解释模型.
- 分析了与乳腺癌患者和未来风险相关的乳腺年龄差距.
主要成果:
- 准确的乳房年龄估计 (MAE:4.2-6.1年) 与强烈的时间年龄相关性.
- 预测乳腺年龄有效地分层了乳腺癌风险.
- 在癌症患者中观察到更高的乳腺年龄差距,并与未来风险增加有关 (HR: 1.013-1.022).
结论:
- 基于乳腺造影的生物学乳房年龄预测是可行的和准确的.
- 乳腺年龄差异是乳腺健康状况和未来风险的潜在生物标志物.
- 该模型对早期乳腺癌检测和个性化查充满希望.
