在使用基于动态对比增强磁共振成像的深度学习模型的乳腺侵入性导管癌患者中,手术前预测状淋巴结转移:一项多中心研究
Changcong Gu1, Yuqing He2, Jinshi Lin3
1Department of Radiology, The First Hospital of Qinhuangdao, Qinhuangdao, China.
Gland surgery
|December 11, 2025
概括
一种使用动态对比增强MRI (DCE-MRI) 的深度学习 (DL) 模型有效预测状淋巴结转移 (ALNM) 在侵袭性导管癌 (IDC) 乳腺癌患者中. 这种非侵入性工具有助于个性化治疗规划,并改善患者的治疗结果.
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:
- 侵入性导管癌 (IDC) 是最常见的乳腺癌亚型.
- 轴心淋巴结转移 (ALNM) 对于分期和治疗至关重要.
- 准确预测ALNM对于患者管理至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于预测IDC患者的ALNM.
- 为了利用动态对比增强磁共振成像 (DCE-MRI) 数据.
- 为了比较DL模型与传统方法的性能.
主要方法:
- 对来自多个中心的520名IDC患者的DCE-MRI图像进行了回顾性分析.
- 从DCE-MRI中提取放射学和DL特征.
- 评估了五种模型:临床,放射学,放射学-临床,DL和DL-临床.
主要成果:
- DL-Clinical模型实现了最高的曲线下的面积 (AUC) 0.935.
- 在内部 (0.946) 和外部 (0.951) 验证中,DL-Clinical模型表现强.
- 在预测ALNM方面,DL-Clinical模型显著优于其他评估模型.
结论:
- 基于DCE-MRI的DL-Clinical模型作为一种有价值的非侵入性工具,用于在乳腺IDC中进行术前ALNM识别.
- 这种模式可以增强个性化治疗策略.
- 改善ALNM的手术前预测可以改善患者的生活质量.
