机构名称：
¥ 1.0
动机：乳腺癌是当今女性癌症死亡的主要原因。由于发现较晚，发展中国家的存活率约为 50%–60%。个性化、准确的风险评分方法有助于锁定合适的人群进行后续检查，并能够及早发现乳房异常。大多数可用的风险评估工具使用通用且弱相关的特征，如年龄、体重、身高等。虽然乳房 X 线照相和超声等筛查方式的个性化风险评分可能会有所帮助，但由于高昂的资本成本、运营费用和大量筛查人群所需的解释专业知识，这些测试仅限于发展中国家极少数大都市医院。方法：我们提出并分析了一种名为 Thermalytix 风险评分 (TRS) 的新型个性化风险框架，以确定定期筛查的高风险目标人群，并实现大规模早期乳腺癌检测。该技术使用人工智能 (AI) 通过热图像自动生成乳房健康风险评分。该风险评分主要来自两个子评分，即血管评分和热点评分。热点评分表示从皮肤表面看到的不规则不对称热模式中看到的异常，而血管评分则预测不对称血管活动的存在。这些评分是使用机器学习算法通过医学上可解释的参数生成的，这些参数描述了乳房组织内的代谢活动，并表明即使在无症状女性中也存在可能的恶性肿瘤。结果：在四个乳腺癌筛查机构中对 769 名受试者测试了所提出的个性化风险评分。受试者的年龄从 18 岁到 82 岁不等，中位数约为 45 岁。在 769 名受试者中，185 名受试者在乳房 X 线照相、超声和/或组织病理学检查后被专业放射科医生诊断为乳腺恶性肿瘤。与年龄标准化风险评分的 AUC 为 0.68 相比，我们的个性化 AI 风险评分实现了 0.89 的受试者曲线下面积 (AUC)。我们还发现，如果使用计算出的风险评分将个人分为四个风险组，恶性肿瘤的可能性也会随着风险分组水平的增加而单调增加。结论：提出的基于 AI 的个性化风险评分使用乳房热图像模式进行风险计算，与其他通用风险评估方法相比具有优势。所提出的风险框架解决方案是自动化、经济实惠、非侵入性、非接触性和无辐射的，适用于 18 至 82 岁年龄段的女性，包括乳房致密的年轻女性。所提出的评分可能进一步用于将受试者分配到四个风险组之一，并为所需的筛查周期提供指导。此外，自动注释的热图像可以定位潜在的异常区域，并可能使医生能够创建更好的个性化护理。
使用人工智能和热放射组学进行筛查
主要关键词
相关文件推荐
