用人工智能和超声波放射学来预测三阴性乳腺癌的预测模型

科学领域:

• 在瘤学瘤学.
• 放射学 放射学是一门学科.
• 人工智能的人工智能

背景情况:

• 三重阴性乳腺癌 (TNBC) 由于其侵略性和有限的向治疗方法,造成了重大挑战.
• 在TNBC中预测术后复发和转移对于有效的患者管理和个性化治疗策略至关重要.

研究的目的:

• 开发和验证人工智能 (AI) 驱动的超声波放射学模型,用于预测TNBC患者的术后复发和转移.
• 用非侵入性成像数据评估模型在识别复发和转移模式方面的表现.

主要方法:

• 对668名在2013年至2018年期间接受治疗的女性TNBC患者的回顾性分析.
• 使用PyRadiomics从预处理超声图像中提取放射性特征.
• 使用LASSO特征选择和支持矢量机 (SVM) 分类器构建放射学签名.

主要成果:

• 人工智能-超声波放射学模型显示了复发/转移的高预测准确性 (AUC 0.9458培训,0.8983验证).
• 该模型有效地区分了局部区域复发和远程转移 (AUC 0.9341培训,0.8824验证).
• 校准和决策曲线分析证实了强大的预测能力和临床实用性.

结论:

• 一个人工智能增强的超声波放射学模型是预测TNBC复发和转移的有希望的非侵入性工具.
• 该模型可以支持个性化的预后评估,并为TNBC患者指导治疗决策.