AI 模型彻底改变了无需手术的乳腺癌转移检测

在医疗技术的重大进步中，德克萨斯大学西南医学中心的研究人员开发了一种深度学习模型，可以检测乳腺癌的扩散情况，而无需进行侵入性手术。 NVIDIA 表示，这种基于人工智能的工具可分析时间序列 MRI 和临床数据，以确定癌细胞是否已转移到附近的淋巴结，这一进展可能会改变医生和患者的治疗计划。

减少侵入性手术

目前，医生经常使用前哨淋巴结活检 (SLNB) 来确定乳腺癌是否已扩散到淋巴结。该过程包括在肿瘤附近注射染料和放射性溶液来识别前哨淋巴结，然后通过手术切除前哨淋巴结以进行活检。尽管有效，但前哨淋巴结活检是侵入性的，存在麻醉并发症、辐射暴露和术后疼痛等风险。

然而，新的人工智能模型提供了一种非侵入性的替代方案。该模型利用定制的四维卷积神经网络 (4D CNN)，根据来自 350 名被诊断患有已扩散至淋巴结的乳腺癌的女性的动态对比增强 MRI (DCE-MRI) 数据进行训练。它处理四个维度的数据，随着时间的推移检查 3D MRI 扫描，并整合年龄和肿瘤分级等临床变量，以准确识别癌性淋巴结。

高精度和未来影响

AI模型在识别淋巴结转移方面表现出令人印象深刻的89%的准确率，超越了传统的成像方法和放射科医生的评估。这可能使乳腺癌患者免于不必要的手术，例如 SLNB 和腋窝淋巴结清扫术 (ALND)，从而减少相关风险和医疗资源。

该研究的主要作者 Dogan Polat 博士强调，该模型重点关注原发肿瘤的数据，最大限度地减少额外成像的需要。 Polat 博士说：“我们的目标是减少对额外成像的需求，并减少患者的侵入性手术数量。”他强调了该模型在改善患者治疗效果和简化癌症治疗方面的潜力。

期待

研究人员计划在现实临床环境中部署人工智能模型，以收集数据以进行进一步验证和完善。这一步骤对于评估其在更广泛的临床场景中的有效性并可能将其应用扩展到其他癌症至关重要。

研究合著者、NVIDIA 高级 HPC 工程师 Paniz Karbasi 指出，NVIDIA A100 和 V100 Tensor Core GPU 的使用对于构建和训练模型至关重要。此次合作强调了尖端技术在推进医学研究和提高诊断准确性方面的作用。

图片来源：Shutterstock