200
评论
查看更多
密码过期或已经不安全，请修改密码
修改密码
壹生身份认证协议书
同意
拒绝
同意
拒绝
同意
不同意并跳过
成果名称：Automated and reusable deep learning (AutoRDL) framework for predicting response to neoadjuvant chemotherapy and axillary lymph node metastasis in breast cancer using ultrasound images: a retrospective, multicentre study
发表期刊：《电子临床医学》[eClinicalMedicine，IF（2024）：9.6]
通讯作者：张水兴
第一作者：游荆晶
主要作者单位：暨南大学附属第一医院
本研究基于多中心乳腺癌超声图像提出自动化、可复用深度学习模型实现乳腺癌病灶检测和一个网络解决新辅助化疗疗效和淋巴结转移两个预测任务的创新，并内崁超分辨率网络解决图像质量差异，具有良好的临床应用潜力。
新辅助化疗疗效和腋窝淋巴结状态预测是乳腺癌精准诊疗领域的两个关键要素。既往研究多依赖手动分割并排除低质量图像，限制其在真实世界中的可重复性和临床适用性。
在这项多中心研究中，我们回顾性收集来自三家三甲医院的2556例乳腺癌患者的超声图像和临床资料，开发了一个自动化、可复用的深度学习框架AutoRDL，并内崁超分辨率网络SR3解决图像质量差异问题，用于使用不同质量的超声图像进行乳腺癌病灶检测和新辅助化疗治疗后病理完全缓解和腋窝淋巴结转移的预测。我们进一步使用LIME和Grad-CAM技术对模型进行解释。
结果表明，经超分辨率重建后，图像平均峰值信噪比为28.11，平均结构相似性指数为0.93；YOLOv5网络在验证集中达到0.880–0.921的病灶检测准确性；在新辅助化疗后病理完全缓解的预测中，结合超声图像和临床病理资料的融合模型预测效能优于临床模型和图像模型，在外部验证集中的曲线下面积为0.833；同样地，在腋窝淋巴结转移预测中，融合模型在两个外部验证集中的曲线下面积分别为0.825和0.819，均优于临床模型和图像模型。
因此，我们提出的AutoRDL框架作为一种无创的有效工具，用于自动化乳腺癌病灶的检测、新辅助化疗疗效和腋窝淋巴结不同临床任务的预测，为乳腺癌诊疗提供个性化临床决策。
乳腺癌是女性最常见的癌症和最主要的癌症相关死亡原因，新辅助化疗疗效及腋窝淋巴结转移的无创评估对乳腺癌精准诊疗至关重要。
早期识别患者接受新辅助化疗后是否达到病理完全缓解对避免不必要的手术和治疗周期至关重要，同时可对无法获得病理完全缓解的患者进行早期干预，从而促进个体化治疗并优化整体收益。术前预测腋窝淋巴结转移情况可使腋窝淋巴结阴性患者避免有创腋窝操作，同时为肿瘤分期、局部治疗决策、全身综合治疗的选择和预后判断提供重要辅助信息。而组织病理学检查仍是新辅助化疗病理完全缓解和腋窝淋巴结状态的金标准，具有滞后性和有创性。
该研究针对乳腺癌新辅助化疗疗效和淋巴结转移两大预测难题，基于多中心大样本超声图像提出自动化、可复用深度学习模型，实现乳腺癌病灶的自动化检测和同一深度学习框架预测不同分类任务并表现出稳定的预测性能。通过同一网络解决两个不同预测任务而无需开发两个独立模型，降低了计算消耗，节省模型开发时间。考虑到多中心超声图像质量差异问题，该研究应用超分辨率网络增强低质量图像的空间分辨率，而无需排除低质量图像，使其提出的AutoRDL模型更具临床应用性。通过克服成像系统的分辨率限制，即使在基层医院或医疗资源受限的环境中仍可适用。
暨南大学2022级博士生，主要研究方向乳腺癌影像人工智能。入选国家留学基金委2024年卓越人才国际化培养项目（卓越医师专项）。以第一/共同第一作者发表SCI论文3篇，均为JCR 1区，最高影响因子15.1。
二级教授/主任医师，博士导师。暨南大学医学部常务副主任，国家万人计划科技领军人才。
2023年获广东省丁颖科技奖，2021年获广东省科技进步奖一等奖，2021年获第三届广东省医学会医学科技奖二等奖， 2022年获中华医学科技奖三等奖，2021年获上海医学科技奖二等奖，2022年获新疆维吾尔自治区自然科技奖三等奖，2019年获中华放射学会“杰出青年奖”。
专业方向医学影像人工智能技术研发及医疗大数据应用，特别聚焦于肿瘤影像的多学科交叉研究，建立了以数字化医学图像生物特征识别为基础的多病种影像人工智能应用系统，该系统覆盖了治疗前智能诊断、治疗中疗效评价以及治疗后预后分析等疾病诊疗全过程。
主持科技部重点研发计划专项1项、国家基金委重大科研仪器研制项目1项、国家自然科学基金面上项目3项、广东省自然科学基金重点项目1项、广东省科技计划重点项目1项、省部级一般项目9项。以第一/通讯作者发表SCI论文160余篇（JCR Q1区77篇，中国科学院一区TOP 51篇），其中ESI高被引4篇、ESI热点1篇，4项研究被国际指南及专家共识引用，2项研究被国内专家共识引用，参与制定8项头颈部影像国内专家共识。
在图像生物特征识别以及智能模型构建方面也获得较好成果转化，授权发明专利10件，实审发明 专利13件，实用新型专利8件，软件著作权20项，主编7部及参编6部教材及书籍。
社会任职：广东省医院协会医学影像中心管理专业委员会主任委员；广东省卒中学会医学影像分会主任委员；广东省生物医学工程学会智能医学影像分会主任委员；广东省医师协会放射学分会副主任委员；广东省医院协会设备管理分会副主任委员；中华医学会放射学分会头颈学组副组长；中华医学会放射学分会人工智能专业学组委员；中国医师协会放射医师分会委员。
暨南大学附属第一医院张水兴团队主要从事肿瘤乏氧、肿瘤数字孪生与人工智能研究，整合临床医学、生命科学、信息技术等专业领域人才，其中1人入选“国家特支计划科技创新领军人才”、1人入选“广东特支计划”青年拔尖人才、1人入选“广东省杰出青年医学人才”、1人入选Clarivate全球“高被引科学家”榜单、2人2021-2024连续4年入选斯坦福Elsevier全球前2%顶尖科学家榜单。团队研究成果发表在JCO、Lancet Digit Health、JAMA Oncol、Radiology等杂志，获得广东省科技进步奖一等奖，并写入5部国际指南/专家共识。团队成员主持国家重点研发计划项目、国家重大科研仪器研制项目、国家特支计划科技创新领军人才项目、省级人才项目、国家自然科学基金等30余项。
每一项临床研究都倾注着研究团队的心血结晶。学习过后，您是否有所收获？或有疑问想与主创团队分享？请在评论区留言，期待与您交流！
中国医学论坛报 桂晶晶整理
查看更多
中国医学论坛报
壹生
今日肿瘤
今日循环
今日糖尿病
今日口腔
全科周刊
脱贫地区农副产品网络销售平台
京公网安备 11010202008182号
| 互联网新闻信息服务许可证编号：10120190017