2022实现乳腺癌的无创组织学分析|深度学习与CESM的强强组合！-肿瘤头条

2022实现乳腺癌的无创组织学分析|深度学习与CESM的强强组合！

发布: 06月08日

作者: 肿瘤科普卫士 | 阅读量 2506

在世界范围内，乳腺癌占所有性别和年龄的癌症的11.6%。对比增强光谱乳腺成像（CESM），也称为对比增强双能量乳腺成像（CEDM），是一种新兴的影像学技术，其通过使用静脉注射碘对比剂来评估乳腺病变的新生血管，以进一步评估病变的良恶性。

研究表明，对比增强光谱乳腺成像在检测致密乳腺中的原发性乳腺癌的敏感性和特异性方面都优于FFDM，且与乳腺磁共振成像（MRI）相比，对比增强光谱乳腺成像也有类似的敏感性和特异性。

一项国际研究已经表明，深度学习模型可以成功地用于FFDM的原发性乳腺癌筛查。人机结合的性能相当于传统的双读过程，但将第二个读者的工作量减少了88%。然而，在临床实践中使用还需要更多的工作进行验证及评估。

近日，发表在European Radiology杂志的一项研究评估了深度学习模型描述对比增强光谱乳腺成像上的乳腺恶性病变的能力，为乳腺癌的快速准确诊断提供了技术支持。

本项回顾性单中心研究包括经活检证实的乳腺浸润性癌症，每个病灶都在对比增强光谱乳腺成像上有增强。对比增强光谱乳腺成像图像包括可与数字乳腺摄影相媲美的低能量图像（LE）和显示肿瘤血管生成的双能量减法图像（DES）。对每个病变检索了组织学类型、肿瘤等级、雌激素受体（ER）状态、孕激素受体（PR）状态、HER-2状态、Ki-67增殖指数和侵入性肿瘤的大小。使用的深度学习模型是一个基于CheXNet的模型，并在对比增强光谱乳腺成像数据集上进行了微调。对不同的模型计算了接受者工作特征（ROC）曲线下的面积（AUC）。

总共包括了在对比增强光谱乳腺成像上检测到的447个有病理证实的浸润性乳腺癌，涉及389名患者，包括了2460张分析图像。关于ER，DES图像上的深度学习模型在逐个图像分析中的AUC为0.83，在多数投票中为0.85。对于三阴性分析，所有模型的AUC都很高，特别是LE图像上的模型，逐个图像分析的AUC为0.90，多数投票的AUC为0.91。其他组织诊断因素的AUC则较低。