Nedávná studie zveřejněná v časopise Clinical Breast Cancer odhalila, že hluboké učící modely mají potenciál sloužit jako efektivní prediktivní nástroje pro prognózu rakoviny prsu. Pod vedením Dr. Junqi Hana a jeho týmu z přidružené nemocnice univerzity v Čchingtao v Číně studie prokázala úspěch modelu, který kombinuje data z mammografických a ultrazvukových snímků a dalších charakteristik, aby přesně predikoval bezpříznakové přežití pacientů s rakovinou prsu.
Výzkumníci zdůraznili zlepšené výkony kombinovaného modelu, který využívá jak mammografické, tak ultrazvukové snímky ve srovnání s použitím samostatných modalitních snímků. Využíváním umělé inteligence a technik hlubokého učení radiologové zkoumají nové možnosti v rozvoji diagnostiky a prognózy rakoviny prsu.
V této studii tým získal data od 1 242 pacientů mezi lety 2013 a 2018 a rozdělil je do trénovacích a testovacích skupin. Použili hluboké učící modely s využitím ResNet50 a integrovali klinická data a charakteristiky obrazování, aby vybrali nezávislé prognostické faktory a vytvořili klinický model.
Celkem bylo vyvinuto pět modelů: hluboké učení ultrazvuku, hluboké učení mammografie, hluboké učení ultrazvuku a mammografie, klinický model a kombinovaný model. Výzkumníci zjistili, že kombinovaný model, který zahrnuje snímky obou modalit spolu s patologickými, klinickými a radiografickými charakteristikami, prokázal nejvyšší prediktivní výkon mezi analyzovanými modely.
Je třeba poznamenat, že některé patologické a klinické charakteristiky lze získat pouze po operaci. Kombinovaný model je tedy významný při predikci prognózy po operaci. Studie také zdůraznila komplementární povahu ultrazvuku a mammografie v obrazování prsu, kdy ultrazvuk slouží k pozorování tvaru a charakteristik léze a mammografie k identifikaci kalcifikace.
I když studie přináší slibné výsledky, autoři vyzvali k externí validaci v budoucím výzkumu, aby se měřila prediktivní účinnost a obecná použitelnost modelů. Přesto využití hlubokých učících modelů ukazuje velký potenciál pro zlepšení předpovědi prognózy rakoviny prsu a konečně zlepšení výsledků u pacientů.
Odpovědi na otázky o prognóze rakoviny prsu a hlubokých učících modelech:
Otázka: Co odhalila nedávná studie zveřejněná v Clinical Breast Cancer?
Odpověď: Studie odhalila potenciál hlubokých učících modelů, které mohou sloužit jako efektivní prediktivní nástroje pro prognózu rakoviny prsu.
Otázka: Kdo vedl tuto studii?
Odpověď: Studii vedl Dr. Junqi Han a jeho tým z přidružené nemocnice univerzity v Čchingtao v Číně.
Otázka: Jaká data studie využila?
Odpověď: Studie kombinovala data z mammografických a ultrazvukových snímků a dalších charakteristik, aby předpovídala bezpříznakové přežití pacientů s rakovinou prsu.
Otázka: Jak se kombinovaný model výkonnostně srovnával s použitím samostatných modalitních snímků?
Odpověď: Kombinovaný model, který zahrnoval jak mammografické, tak ultrazvukové snímky, vykazoval lepší výkon ve srovnání s použitím pouze samostatných modalitních snímků.
Otázka: Jaké techniky byly použity v této studii?
Odpověď: Studie využila techniky umělé inteligence a hlubokého učení, konkrétně pomocí hlubokých učících modelů s využitím ResNet50.
Otázka: Jaká datová sada byla použita v této studii?
Odpověď: Výzkumníci získali data od 1 242 pacientů v období mezi lety 2013 a 2018 a rozdělili je do trénovacích a testovacích skupin.
Otázka: Kolik modelů bylo vyvinuto v této studii?
Odpověď: Celkem bylo vyvinuto pět modelů: hluboké učení ultrazvuku, hluboké učení mammografie, hluboké učení ultrazvuku a mammografie, klinický model a kombinovaný model.
Otázka: Který model vykazoval nejlepší prediktivní výkon?
Odpověď: Kombinovaný model, který zahrnoval jak ultrazvukové, tak mammografické snímky, spolu s patologickými, klinickými a radiografickými charakteristikami, vykazoval nejvyšší prediktivní výkon.
Otázka: Proč je kombinovaný model důležitý při predikci prognózy po operaci?
Odpověď: Některé patologické a klinické charakteristiky lze získat pouze po operaci, a proto je kombinovaný model důležitý při predikci prognózy po operaci.
Otázka: Jakou mají ultrazvuk a mammografie vzájemnou komplementárnost při obrazování prsu?
Odpověď: Ultrazvuk se používá k pozorování tvaru a charakteristik léze, zatímco mammografie slouží k identifikaci kalcifikace.
Otázka: Co autoři studie vyzývají?
Odpověď: Autoři vyzývají k externí validaci budoucího výzkumu s cílem měřit prediktivní účinnost a obecnou použitelnost modelů.
Otázka: Jaký je potenciál využití hlubokých učících modelů pro prognózu rakoviny prsu?
Odpověď: Hluboké učící modely ukazují velký potenciál pro zlepšení předpovědi prognózy rakoviny prsu a tím i zlepšení výsledků u pacientů.
Definice:
– Prognóza: Pravděpodobný průběh nebo výsledek lékařského stavu.
– Hluboké učící modely: Počítačové modely, které využívají techniky umělé inteligence ke zpracování velkého množství dat a provádění předpovědí nebo klasifikací.
– Mammografie: Obrazová technika využívající rentgenové paprsky k vyšetřování prsu a hledání příznaků rakoviny prsu nebo jiných abnormalit.
– Ultrazvuk: Diagnostická obrazová technika využívající vysokofrekvenční zvukové vlny k vytváření snímků struktur v těle.
– Radiologové: Lékaři specializující se na interpretaci lékařských obrazů, jako jsou rentgenové snímky, CT snímky a mammografie.
Navrhované související odkazy:
– cancer.org
– National Center for Biotechnology Information (NCBI)
– breastcancer.org
The source of the article is from the blog scimag.news