携手健康网携手健康网

深度学习可预测女性患乳腺癌的风险

伊利诺伊州奥克布鲁克市-马萨诸塞州总医院(MGH)的研究人员已经开发出了一种深度学习模型,该模型可以在筛查X线照片时识别成像生物标志物,从而比传统的风险评估工具更准确地预测患者患乳腺癌的风险。研究结果将在北美放射学会(RSNA)的年会上提出。

MGH乳腺放射科医生医学博士Leslie Lamb表示:“传统的风险评估模型无法利用乳房X光检查所包含的详细程度。“即使是最好的现有传统风险模型也可能将患者的亚组分开,但在个体水平上并不那么精确。”

当前可用的风险评估模型仅纳入了一小部分患者数据,例如家族病史,先前的乳腺活检以及激素和生殖史。传统的模型仅包含乳房X线检查本身的一项功能,即乳房密度。

“当每位女性的乳房X光照片中嵌入如此丰富的数字数据时,为什么我们应该将自身限制为仅乳房密度?”MGH乳房影像部门负责人Constance D. Lehman,医学博士说。“每个女人的乳房X线照片就像她的指纹一样对她来说是独一无二的。它包含的成像生物标记物可以高度预测未来的癌症风险,但是直到我们有了深度学习的工具,我们才能够提取这些信息来改善患者的护理。”

Lamb博士和一组研究人员开发了新的深度学习算法,可使用来自五个MGH乳腺癌筛查站点的数据来预测乳腺癌风险。该模型针对的人群包括具有乳腺癌,植入物或先前的活检史的女性。

该研究包括2009年至2016年间在80,818位患者中进行的245,753次连续2D双向数字化X线乳房X光检查。从总的X光检查中,对56,831位患者进行了210,819项检查,培训了7,021位患者进行了25,644项检查,对3,961位患者进行了9,290项检查以进行验证。

使用统计分析,研究人员将深度学习仅图像模型与市售风险评估模型(Tyrer-Cuzick版本8)的准确性进行了比较,以预测乳腺X线照片在五年内的未来乳腺癌。深度学习模型的预测率为0.71,大大优于传统风险模型的0.61的预测率。

兰姆博士说:“我们的深度学习模型能够翻译乳房X线照片中微妙的成像生物标志物的全部多样性,从而可以预测女性将来患乳腺癌的风险。”

兰姆博士说,新的深度学习模型已经在瑞典和台湾进行了外部验证,并且计划对更大的非裔美国人和少数民族人口进行更多研究。

在MGH,放射线医生读取患者的乳房X线照片时,可在报告软件上获得深度学习风险信息。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。