非侵入性乳腺癌受体类型从使用人工智能的乳房影像:一个系统的审查和元分析

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 查性乳房造影是乳腺癌检测的关键工具.
• 准确预测乳腺癌分子亚型和受体状态对于治疗决策至关重要.

研究的目的:

• 系统地审查和元分析人工智能 (AI) 算法在预测乳腺癌分子亚型和受体状态时的性能.

主要方法:

• 进行了PRISMA-DTA系统审查和双变随机效应元分析.
• 在主要的科学数据库 (MEDLINE,Embase,Scopus,Web of Science,IEEE Xplore) 中进行了搜索.
• 包括25项比较人工智能乳房扫描预测与组织病理学发现的研究,并使用PROBAST和TRIPOD评估偏差风险和质量.

主要成果:

• 人工智能模型在预测乳腺癌亚型时显示出中度至高度的歧视,光线,HER2丰富和三阴性亚型的AUC从0.76到0.86.
• 预测特定受体状态的性能有所不同,在多类任务中,雌激素受体 (0.71),孕激素受体 (0.59),HER2 (0.64) 和Ki-67 (0.60) 的AUC有所不同.
• 二元受体状态预测显示HER2的AUC为0.80和激素受体阳性状态的AUC为0.71.

结论:

• 应用于乳房造影的AI显示出有希望的,中等至高的辨别能力,用于预测乳腺癌分子亚型和受体状态,特别是在光线和三阴性疾病中.
• 在研究中观察到大量的异质性,这表明AI模型性能存在变化.
• 目前的证据不足以用于临床部署;未来的研究应该集中在更大的多中心队列,标准化管道,外部验证,不确定性量化和多式联络数据融合上.