适配性基础模型用于对比增强与非对比增强乳腺MRI分流
摘要
背景：磁共振成像（MRI）对乳腺癌检测具有高灵敏度，但解读耗时。人工智能可能有助于预筛查。目的：评估基于DINOv2的医学切片变换器（MST）在对比增强和非对比增强缩短乳腺MRI中，用于排除显著发现（BI-RADS >=4）的表现。材料与方法：本研究获伦理委员会批准的回顾性研究包括1,847例单侧乳腺MRI检查（其中377例BI-RADS >=4），来自机构内部数据集和外部验证数据集（Duke）中各924例。测试了四种缩短协议：T1加权早期减法（T1sub）、扩散加权成像（b=1500 s/mm2，DWI1500）、DWI1500+T2加权（T2w）以及T1sub+T2w。采用五折交叉验证评估性能，使用受控ROC曲线下面积（AUC）分析。比较AUC差异，使用DeLong检验。描述了漏检病灶，外部数据集中真阳性注意力图被评估。结果：共纳入1,448名女性患者（平均年龄49±12岁）。T1sub+T2w的AUC为0.77±0.04；DWI1500+T2w为0.74±0.04（p=0.15）。在97.5%灵敏度下，T1sub+T2w的特异度最高（19%±7%），其后为DWI1500+T2w（17%±11%）。漏检病灶在T1sub和DWI1500的95%和97.5%阈值下，平均直径<10 mm，主要为非质量性增强。外部验证得到AUC为0.77，88%的注意力图被评为良好或中等。结论：在97.5%灵敏度下，MST框架正确地分类了无BI-RADS >=4的病例，对对比增强MRI实现19%特异度，对非对比增强MRI实现17%特异度。在临床实施之前，需要进一步研究。
引用
@article{arxiv.2511.05967,
title = {Adapted Foundation Models for Breast MRI Triaging in Contrast-Enhanced and Non-Contrast Enhanced Protocols},
author = {Tri-Thien Nguyen and Lorenz A. Kapsner and Tobias Hepp and Shirin Heidarikahkesh and Hannes Schreiter and Luise Brock and Dominika Skwierawska and Dominique Hadler and Julian Hossbach and Evelyn Wenkel and Sabine Ohlmeyer and Frederik B. Laun and Andrzej Liebert and Andreas Maier and Michael Uder and Sebastian Bickelhaupt},
journal= {arXiv preprint arXiv:2511.05967},
year = {2025}
}
备注
23 pages, 6 figures, 4 tables. Originally submitted to Radiology (RAD-25-2541); under consideration for transfer to Radiology: Artificial Intelligence (RSNA Portfolio Journal)