在乳腺癌治疗领域，准确预测新辅助化疗（NAC）的病理完全缓解（pCR）对治疗决策意义重大。这篇发表于Science Advances的论文，聚焦于利用医学AI技术解决该问题，开发了多模态集成全自动管道系统（MIFAPS）。
研究团队整合了预处理磁共振成像（MRI）、全切片图像（WSI）和临床风险因素数据，构建了MIFAPS。
研究纳入1004例患者数据，涵盖回顾性和前瞻性研究。MIFAPS在多个测试集中展现出卓越性能，其AUC在合并外部测试集和前瞻性测试集分别达到0.882和0.909，显著超越单模态模型。
通过模型可视化和生物学基础探索发现，高深度学习分数与免疫相关通路以及肿瘤微环境中抗肿瘤细胞的促进有关。
从医学AI研究角度看，该研究为乳腺癌pCR预测提供了新方向。自动化图像分割减少人为干扰，多网络集成发挥优势提升预测效果。
不过，研究也存在样本量不足、模型泛化性有待提高等问题。这为后续研究提供了思路，如扩大样本规模、优化模型融合方式，从而推动医学AI在乳腺癌治疗预测中的进一步发展与应用。
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
