Breast cancer is a leading cause of cancer morbility and mortality in women.
背景:乳腺癌是女性癌症发病率和死亡率的主要原因。存在过度治疗或治疗不当的可能，预后评价方法有待改进。
材料与方法:招募患者(2013年1月~ 2018年12月)，分为训练组和试验组。所有患者均随访3年以上。根据3年随访结果将患者分为无病组和复发组。收集超声(US)和乳房x线摄影(MG)图像，利用ResNet50建立深度学习模型(DLMs)。收集临床资料、MG和US特征，采用cox比例风险模型选择独立预后因素，建立临床模型。将DLM与独立预后因素相结合，建立联合模型。
结果:共纳入1242例患者。独立预后因素包括年龄、新辅助化疗、HER2、取向、血流、可疑钙化和大小。本研究建立了5个模型:US DLM、MG DLM、US + MG DLM、临床模型和联合模型。使用US图像、MG图像以及病理、临床和影像学特征的联合模型具有最高的预测性能(训练组的AUC=0.882，测试组的AUC= 0.739)。
结论:基于US、MG和临床数据的DLMs有潜力作为乳腺癌预后的预测工具。
DOI: 10.1016/j.clbc.2024.01.005
