迈向早期检测：基于AI的利用数字乳腺断层合成成像预测五年乳腺癌风险
图像与视频处理
2025-09-03 v1 计算机视觉与模式识别
机器学习
摘要
由于乳腺癌的早期检测对成功的治疗结果极为有利，优化乳腺癌筛查具有重大的商业价值。然而，当前的风险预测模型性能有限，并且未纳入数字乳腺断层合成（DBT）成像，该技术于2011年获得FDA批准用于乳腺癌筛查。为了满足这一未满足的需求，我们提出了一种基于深度学习（DL）的框架，能够直接从筛查DBT预测个体患者未来5年的乳腺癌风险。利用一个包含来自50,590名患者的161,753次DBT检查的无与伦比的数据集，我们训练了一个风险预测器，该预测器基于使用Meta AI DINOv2图像编码器提取的特征，并结合累积风险层，来评估患者在五年内发展为乳腺癌的可能性。在一个留出的测试集上，我们表现最佳的模型在5年内的预测中达到了0.80的AUROC。这些发现揭示了基于DBT的DL方法在补充传统风险评估工具方面的巨大潜力，并为验证和增强我们工作的进一步研究奠定了有前景的基础。
引用
@article{arxiv.2509.00900,
title = {Towards Early Detection: AI-Based Five-Year Forecasting of Breast Cancer Risk Using Digital Breast Tomosynthesis Imaging},
author = {Manon A. Dorster and Felix J. Dorfner and Mason C. Cleveland and Melisa S. Guelen and Jay Patel and Dania Daye and Jean-Philippe Thiran and Albert E. Kim and Christopher P. Bridge},
journal= {arXiv preprint arXiv:2509.00900},
year = {2025}
}
备注
Deep Breath Workshop, MICCAI 2025