Недавнее исследование, опубликованное в журнале Clinical Breast Cancer, показало, что модели глубинного обучения могут стать эффективными инструментами прогнозирования прогнозирования рака молочной железы. Под руководством доктора Джунци Хана и его команды из Ассоциированной больницы университета Циндао в Китае, исследование продемонстрировало успех модели, которая объединяет данные из маммографических изображений, ультразвуковых изображений и других характеристик для точного прогноза безболезненной выживаемости пациентов с раком молочной железы.
Исследователи отметили улучшенную производительность комбинированной модели, которая использует как маммографические, так и ультразвуковые изображения, по сравнению с использованием отдельных методов изображения. Используя искусственный интеллект и методы глубокого обучения, радиологи исследуют новые возможности для совершенствования диагностики и прогнозирования рака молочной железы.
В данном исследовании команда собрала данные 1242 пациентов между 2013 и 2018 годами, разделив их на группы обучения и тестирования. Они использовали модели глубокого обучения с использованием ResNet50 и интегрировали клинические данные и характеристики изображения, чтобы выбрать независимые прогностические факторы и создать клиническую модель.
Всего было разработано пять моделей: ультразвуковое глубокое обучение, маммографическое глубокое обучение, ультразвуковое плюс маммографическое глубокое обучение, клиническая модель и комбинированная модель. Исследователи обнаружили, что комбинированная модель, объединяющая изображения из обеих методик вместе с патологическими, клиническими и радиографическими характеристиками, имела наивысшую предиктивную производительность среди анализируемых моделей.
Стоит отметить, что определенные патологические и клинические характеристики можно получить только после операции. Следовательно, комбинированная модель имеет значение для предсказания прогноза после операции. Кроме того, исследование подчеркнуло дополняющую роль ультразвука и маммографии в изображении молочной железы, с использованием ультразвука для наблюдения формы и характеристик опухоли и маммографии для выявления кальцинатов.
Хотя исследование демонстрирует многообещающие результаты, авторы призывают к внешней валидации в будущих исследованиях для оценки эффективности и обобщаемости моделей. Тем не менее, использование моделей глубинного обучения имеет большой потенциал для улучшения прогнозирования прогноза рака молочной железы и, в конечном итоге, повышения результатов для пациентов.
Чтобы узнать больше, вы можете посетить следующие ресурсы:
— cancer.org
— Национальный центр биотехнологической информации (NCBI)
— breastcancer.org
The source of the article is from the blog qhubo.com.ni