Eine kürzlich in Clinical Breast Cancer veröffentlichte Studie hat gezeigt, dass tiefenlernende Modelle das Potenzial haben, als effektive prognostische Werkzeuge für die Vorhersage von Brustkrebs einzusetzen. Unter der Leitung von Dr. Junqi Han und seinem Team vom Affiliated Hospital der Qingdao University in China zeigte die Studie den Erfolg eines Modells, das Daten aus Mammografiebildern, Ultraschallbildern und anderen Merkmalen kombiniert, um das krankheitsfreie Überleben von Brustkrebspatienten genau vorherzusagen.
Die Forscher hoben die verbesserte Leistung des kombinierten Modells hervor, das sowohl Mammografie- als auch Ultraschallbilder verwendet, im Vergleich zur Verwendung einzelner Bildgebungsmethoden allein. Durch den Einsatz von künstlicher Intelligenz und tiefenlernenden Techniken erkunden Radiologen neue Möglichkeiten zur Verbesserung der Diagnose und Prognose von Brustkrebs.
In dieser Studie sammelte das Team Daten von 1.242 Patienten zwischen 2013 und 2018 und unterteilte sie in Trainings- und Testgruppen. Sie verwendeten tiefenlernende Modelle mit ResNet50 und integrierten klinische Daten und bildgebende Merkmale, um unabhängige prognostische Faktoren auszuwählen und ein klinisches Modell zu erstellen.
Insgesamt wurden fünf Modelle entwickelt: Tiefenlernen für Ultraschall, Tiefenlernen für Mammografie, Tiefenlernen für Ultraschall und Mammografie, ein klinisches Modell und ein kombiniertes Modell. Die Forscher stellten fest, dass das kombinierte Modell, das Bilder aus beiden Modalitäten sowie pathologische, klinische und radiographische Merkmale umfasst, die höchste Vorhersageleistung unter den analysierten Modellen aufwies.
Es ist erwähnenswert, dass bestimmte pathologische und klinische Merkmale nur nach einer Operation erhoben werden können. Daher hat das kombinierte Modell eine Bedeutung für die Vorhersage der Prognose nach einer Operation. Die Studie betonte auch die ergänzende Rolle von Ultraschall und Mammografie in der Brustbildgebung, wobei Ultraschall zur Beobachtung der Läsionsform und -merkmale eingesetzt wird und Mammografie zur Identifizierung von Verkalkungen.
Obwohl die Studie vielversprechende Ergebnisse zeigt, forderten die Autoren eine externe Validierung in zukünftiger Forschung, um die Vorhersageeffektivität und Generalisierbarkeit der Modelle zu messen. Trotzdem zeigen die Verwendung von tiefenlernenden Modellen ein großes Potenzial zur Verbesserung der Prognosevorhersage von Brustkrebs und letztendlich zur Verbesserung der Patientenergebnisse.
FAQ-Bereich zur Prognose von Brustkrebs und tiefenlernenden Modellen:
The source of the article is from the blog karacasanime.com.ve