新的人工智能工具可以检测可能的转移性乳腺癌

德克萨斯大学西南医学中心的研究人员开发了一种新的人工智能(AI)模型来提高乳腺癌转移的检测，这可以减少针或手术活检的需要。

　　

这种非侵入性模型使用标准的磁共振成像(MRI)，结合机器学习人工智能，来检测腋窝转移——腋下淋巴结中癌细胞的存在。

乳腺成像研究主任，德克萨斯大学西南分校Harold C. Simmons综合癌症中心成员Basak DoganBasak Dogan说：“大多数乳腺癌死亡是由于转移性疾病，第一个部位通常是腋窝淋巴结，确定淋巴结状态对指导治疗决策至关重要，但传统的成像技术本身没有足够的灵敏度来排除腋窝转移。这通常需要患者接受侵入性手术，包括放射性同位素和染料注射，然后手术切除并检测腋窝淋巴结是否含有癌细胞。”

这项发表在《Radiology: Imaging Cancer》杂志上的研究表明，人工智能模型在识别腋窝转移患者方面明显优于MRI或超声波。在临床实践中，人工智能模型将帮助避免51%的良性(非癌性)或不必要的手术前哨淋巴结活检，同时正确检测95%的腋窝转移患者。

Dogan博士指出:“这是一个重要的进步，因为手术活检有副作用和风险，尽管确认癌细胞存在的阳性结果的可能性很低。提高我们在常规MRI检查中排除腋窝转移的能力——使用这种模型——可以降低这种风险，同时提高临床结果。”

这项回顾性研究使用了来自德克萨斯大学西南分校和位于达拉斯帕克兰健康大学主校区的穆迪乳房健康中心的350名新诊断的乳腺癌患者的动态对比增强乳房MRI检查。所有人都有已知的节点状态。这些图像以及一系列临床措施被用来训练人工智能模型，以使用机器学习技术识别腋窝转移。

由于该模型与标准成像检查结合使用，它还可以消除许多患者额外检查的压力和费用。

“通过传统的MRI检查或穿刺活检发现良性的患者通常要进行前哨淋巴结活检，因为这些检查可能会错过很大比例的转移，”Dogan博士解释说。“我们的研究表明，有可能以高度准确的方式识别非转移性患者，这对患者有益，也使医生能够定制治疗方案。”

这项研究建立在德克萨斯大学西南分校之前的研究基础上，这些研究与乳腺癌成像和检测转移的预测工具的发展有关。

Dogan博士说:“我们的研究证明了西南大学致力于解决现实世界卫生保健挑战的有影响力的研究。医学成像人工智能模型的开发和验证在帮助我们对抗乳腺癌和其他癌症方面有着巨大的希望，而这个新工具是向前迈出的重要一步。”

研究人员正在继续完善图像分析过程，并希望包括更多不同的数据来验证他们的发现。

本研究得到了Simmons癌症中心、美国国立卫生研究院(NIH)国家普通医学科学研究所(R01GM144486)、美国国立卫生研究院(NIH)国家老龄化研究所(R01AG059288)、美国国立卫生研究院国家癌症研究所(U01 CA207091)、King基金会和Lyda Hill基金会的支持。

UT西南医学中心简介

德克萨斯大学西南医学中心是美国首屈一指的学术医学中心之一，将开创性的生物医学研究与卓越的临床护理和教育相结合。该机构的教职员工曾获得6项诺贝尔奖，其中包括25名美国国家科学院院士、21名美国国家医学院院士和13名霍华德休斯医学研究所研究员。3100多名全职教师负责突破性的医学进步，并致力于将科学驱动的研究迅速转化为新的临床治疗。西南大学的医生为超过12万名住院患者提供80多个专业的护理，超过36万例急诊室病例，每年监督近500万门诊就诊。

关于Parkland Health

帕克兰健康是全国最大的公立医院系统之一。最先进的帕克兰纪念医院的主要服务包括一级里斯-琼斯创伤中心，这是北德克萨斯州唯一一家由美国烧伤协会认证的成人和儿科患者烧伤中心，以及三级新生儿重症监护病房。该系统还包括两个校内门诊诊所——Ron J. Anderson医学博士诊所和Moody门诊中心，以及30多个社区诊所和众多的外展和教育项目。通过培养其多样性，包容性和健康公平的努力，帕克兰丰富了它所服务的社区的健康和保健。