基于变压器的深度学习模型使用MRI衍生的微血管图谱来预测乳腺癌患者的淋巴血管入侵
Hui Zhang1, Qiaomei Zhao2, Qian Wang1
1Deparment of Medical Imaging Center, The Affiliated Huaian NO.1 People's Hospital of Nanjing Medical University, Huaian, PR China.
Technology in cancer research & treatment
|February 28, 2026
概括
这项研究开发了一种使用MRI数据的深度学习模型,以非侵入性地预测乳腺癌患者的淋巴血管入侵 (LVI). 该模型准确识别LVI风险,有助于个性化治疗决策.
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:
- 淋巴血管侵袭 (LVI) 是乳腺癌的关键预后标志物,与转移和不良结果有关.
- 精确的手术前确定LVI对于指导治疗策略至关重要.
研究的目的:
- 开发一种非侵入性深度学习模型,用于预测乳腺癌患者的LVI状态.
- 将MRI衍生的微血管参数与深度学习架构集成,以提高预测.
- 探索模型预测的生物解释性.
主要方法:
- 对436名病理确认LVI状态的乳腺癌患者进行了回顾性分析.
- 高分辨率的多b值扩散加权成像 (DWI) 来推导微血管参数 (ADC,v_m,v_s,ANB).
- 一个TwinsSVT深度学习模型,包含一个用于LVI预测的多参数融合模块.
主要成果:
- 多参数聚变模型实现了高预测性能 (在内部和外部验证中AUC为0.881和0.859).
- 格拉德-CAM可视化表明该模型专注于瘤边缘和血管密度,与病理发现相关.
- 该模型显著优于单参数预测模型.
结论:
- 一个基于MRI微血管图谱的新型深度学习模型使得乳腺癌中LVI的非侵入性手术前预测成为可能.
- 该模型提供生物解释性,突出瘤边缘和血管性.
- 这种基于成像的工具显示了精确亚型和乳腺癌管理中的临床决策支持的潜力.
