最近在《临床乳腺癌期刊》上发表的一项研究揭示了深度学习模型有潜力作为乳腺癌预后预测的有效工具。该研究由中国青岛大学附属医院的韩俊琪博士及其团队领导，通过将乳腺摄影图像、超声图像和其他特征数据组合起来，成功地预测了乳腺癌患者的无病生存率。
研究人员强调了综合模型的改进性能，该模型使用了乳腺摄影和超声图像，相比单个图像模式的使用，得到了更好的结果。通过利用人工智能和深度学习技术，放射科医生正在探索推动乳腺癌诊断和预后的新途径。
在这项研究中，研究团队收集了2013年至2018年期间1242名患者的数据，并将其分为训练组和测试组。他们使用ResNet50深度学习模型，结合临床数据和图像特征，选择独立的预后因素并建立了一个临床模型。
总共开发了五个模型：超声深度学习模型、乳腺摄影深度学习模型、超声加乳腺摄影深度学习模型、临床模型和综合模型。研究人员发现，在所分析的模型中，综合模型表现出了最高的预测性能，它结合了两种图像模式和病理、临床和放射学特征。
值得注意的是，某些病理和临床特征只能在手术后获得。因此，综合模型在预测术后预后方面具有重要意义。此外，研究强调了超声和乳腺摄影在乳腺成像中的互补性，超声用于观察病变形状和特征，而乳腺摄影用于识别钙化。
尽管该研究展示了有希望的结果，但作者呼吁未来的研究进行外部验证，以衡量模型的预测效果和可推广性。尽管如此，使用深度学习模型在改善乳腺癌预后预测和最终提高患者结果方面显示出了巨大的潜力。
关于乳腺癌预后和深度学习模型的常见问题解答：
The source of the article is from the blog kewauneecomet.com