基于全景光声计算机断层扫描与机器学习分类的乳腺病灶精准表征新策略

针对乳腺病变诊断中传统影像学技术（如X线摄影、超声、MRI）的局限性，来自未知机构的研究团队开发了全景光声计算机断层扫描（PACT）结合机器学习的工作流程。该研究通过分析39例患者的78个乳腺样本，构建了区分正常/可疑组织的分类器（AUC=0.89），并基于13个特征实现良恶性鉴别，同时建立了病灶自动分割模型。这项非侵入性技术为乳腺密度无关的血管可视化提供了新方案。

　　

乳腺癌症诊断领域迎来突破性进展！传统检测手段各有限制：X线摄影（mammography）存在电离辐射且对致密乳腺灵敏度不足，超声检查（ultrasonography）特异性差且依赖操作者技术，磁共振成像（MRI）则面临高昂成本和部分患者禁忌症。研究人员创新性地将全景光声计算机断层扫描（Photoacoustic computed tomography, PACT）——这种结合光学吸收与超声探测的黑科技引入临床，它能高分辨率捕捉肿瘤相关血管网络的细微改变。

通过对39名乳腺X线异常女性的78个乳房样本进行系统分析，团队开发出智能分类算法：不仅能以0.89的受试者工作特征曲线下面积（AUC）精准识别可疑组织（媲美传统影像金标准），更通过13个关键影像特征实现良恶性病变的"火眼金睛"鉴别。此外，基于深度学习的自动分割模型如同给医生装配了智能手术刀，可精确勾勒病灶边界。这项无创、高灵敏度的PACT技术，为突破乳腺密度限制的血管可视化开辟了新纪元。