您好,欢迎您

2024 SABCS | MRI在多模态人工智能系统中的应用提升乳腺癌诊断与预后预测精度

12月03日
编译:肿瘤资讯
来源:SABCS官网

2024年圣安东尼奥乳腺癌研讨会上(SABCS 2024),Yanqi Xu等研究人员发布了关于“MRI提升多模态人工智能系统对乳腺癌诊断与预后预测能力”的研究成果。


这项研究探讨了如何利用磁共振成像(MRI)结合其他影像学数据,提升人工智能(AI)系统在乳腺癌早期检测与风险评估中的表现,尤其是对于高风险人群的筛查。【肿瘤资讯】整理并报道如下,以飨读者。

摘要ID:PS11-08

中文标题:MRI提升多模态人工智能系统对乳腺癌诊断与预后预测的效果

英文标题:MRI improves multi-modal AI system for breast cancer diagnosis and prognosis

讲者:Yanqi Xu

研究背景

乳腺癌早期检测依赖于多种影像学技术,其中MRI被认为是最为敏感的影像学手段,特别是在乳腺致密度较高的女性中,MRI具有更高的特异性。

美国癌症学会(ACS)的筛查指南建议,对于高风险女性(如乳腺癌家族史、BRCA1/2基因突变或个人乳腺癌史),应在乳腺X光摄影(钼靶,Mammography)基础上补充MRI检查。此外,MRI在钼靶或超声检查结果不明确时,也常用于乳腺癌的进一步诊断。

尽管MRI具有显著的临床价值,但现有的标准风险模型(如TC模型)通常仅依赖临床变量,忽略了影像数据中的丰富信息。现有的AI系统大多聚焦于单一影像学模态,尤其是钼靶影像。

这项研究提出了一种多模态转化器(MMT),能够整合多种影像学模态(如钼靶、数字断层摄影(DBT)、超声和MRI)的数据,提升乳腺癌的检测和风险预测能力。

研究方法

研究团队利用了来自纽约大学的多模态乳腺癌数据集,该数据集包含了2010年至2022年间的1,372,455例来自298,670名患者的检查记录(患者年龄从30至108岁,均值56.55岁,标准差12.00岁)。该数据集用于多模态转化器(MMT)的训练与评估。

研究的主要目标是预测患者当前是否患有乳腺癌,并评估其未来五年内发展乳腺癌的风险,同时整合所有现有的和过去的乳腺影像数据。

该方法分为三个步骤:

  1. 训练模态特异性特征提取器,分别生成图像级和局部区域(patch-level)的特征嵌入;

  2. 结合图像嵌入与其他变量,如年龄、模态、检查日期和视图信息;

  3. 将结合后的嵌入输入到转化器,进行癌症预测。

最终,模型会输出两个预测结果:患者当前患癌的概率,以及未来五年内发生乳腺癌的风险。

研究结果

研究团队在至少有一项MRI检查记录的患者子群中评估了MMT模型。结果显示,MMT模型在乳腺癌检测和五年风险预测方面的AUROC分别为0.943(95% CI: 0.935, 0.950)和0.796(95% CI: 0.765, 0.826),涵盖了所有影像学模态。
进一步比较了在非MRI检查和MRI检查中的模型表现:

  • 对于非MRI检查数据,加入MRI数据后的MMT模型在癌症检测和五年风险预测方面,分别达到了0.939(95% CI: 0.929, 0.948)和0.778(95% CI: 0.742, 0.810)的AUROC,相比于没有MRI数据的基线模型,分别提高了0.024和0.044(经DeLongs两侧检验,P < 0.01),表明MRI数据的加入显著提升了癌症检测和风险预测的效果。

  • 对于MRI检查数据,MMT模型在癌症检测方面的AUROC为0.947(95% CI: 0.934, 0.958),相较于仅使用MRI的基线模型提高了0.029(经DeLongs两侧检验,P < 0.01),进一步证明了历史影像数据对于提升MRI诊断效果的贡献。然而,在MRI检查中的五年风险预测上,模型的表现并没有显著改善(AUROC提高仅为0.004,P = 0.94),且MMT模型在MRI检查数据上的风险预测AUROC较其他模态(0.719,95% CI: 0.615, 0.813)低,表明单独使用MRI在预测未来乳腺癌风险方面的能力较弱。

研究结论

该研究表明,MRI数据的加入显著提高了多模态AI系统在乳腺癌检测中的性能,尤其是在非MRI影像数据的基础上。此外,尽管MRI在癌症检测中表现出色,但其在乳腺癌五年风险预测方面的贡献有限,提示单一模态MRI在长期风险评估中的局限性。

这些发现为将来乳腺癌筛查和风险预测模型的开发提供了重要的参考,尤其是在高风险人群的早期诊断和个体化治疗决策中,如何结合多种影像数据,最大化AI系统的诊断潜力,仍然是未来研究的关键方向。


责任编辑:肿瘤资讯-Kelly
排版编辑:肿瘤资讯-Kelly


版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明“转自:良医汇-肿瘤医生APP”。

评论
12月03日
颜昕
漳州市医院 | 乳腺外科
癌诊断与预后预测精度
12月03日
武亚东
首都医科大学附属北京友谊医院 | 肿瘤外科
好好学习天天向上
12月03日
雨夜
钦州市中医医院 | 肿瘤内科
路漫漫其修远兮,吾将上下而求索