PET/MRI机器学习模型可以消除大多数乳腺癌患者的前哨淋巴结活检

近70%的乳腺癌患者不需要进行侵入性前哨淋巴结活检就能发现癌症是否已经扩散到淋巴结。一项新研究提前出版在核医学杂志显示在机器学习(人工智能的一种)的帮助下，基于PET/MRI成像可以可靠地排除腋窝淋巴结转移。

淋巴结转移的存在在治疗计划中起着至关重要的作用，特别是关于手术和放疗的范围。因此，区分有无淋巴结转移的患者与有淋巴结转移的患者具有较高的临床意义。

“60%的患者在最初诊断为乳腺癌时没有淋巴结转移，”研究作者Janna Morawitz医学博士说，她是德国大学医院Düsseldorf的诊断和介入放射学研究所的放射学住院医师。

“因此，我们希望能够通过成像高度确定地证明淋巴结状态为阴性，从而避免这些患者进行有创的活检或手术。”

在这项研究中，研究人员试图确定是否机器学习预测模型可以像有经验的放射科医生一样准确地在PET/MRI检查中确定淋巴结的状态。共有303个初级乳腺癌患者从三个医疗中心招募的研究人员被分为训练组样本和测试组样本。

所有患者均行MRI和专用全身18F-FDG PET/MRI检查。影像学数据集评估腋窝淋巴结转移根据结构和功能特点。基于MRI和PET/MRI训练组样本建立机器学习模型，然后应用于测试组样本。

对于放射科医生和机器学习算法，MRI的诊断准确性为87.5%。对于PET/MRI，放射科医生的准确率为89.3%，机器学习的准确率为91.2%。调整PET/MRI的机器学习模型后，获得了96.2%的灵敏度和68.2%的特异性。

Morawitz指出:“基于从MRI和PET/MRI扫描中收集的信息，决策树可以帮助放射科医生——尤其是年轻的放射科医生——决定是否需要前哨淋巴结活检。”“将这种模式融入每天练习将来有可能取代前哨淋巴结活检。”