IF=15.3 赛维森科技联合中山大学孙逸仙纪念医院在乳腺癌早期诊断领域取得突破，助力乳腺癌筛查！

近日，赛维森科技与中山大学孙逸仙纪念医院逸仙乳腺肿瘤医院杨雅平教授、刘强教授、姚和瑞教授团队合作的研究成果在International Journal of Surgery（IF=15.3）在线发表，题为“Deep learning combining mammography and ultrasound images to predict the malignancy of BI-RADS US 4A lesions in women with dense breasts：a diagnostic study”。该项研究结合 US 和 MG 图像的深度学习模型，有望用于辅助临床决策，可帮助医生更加精准地判断是否需要进行活检，从而提高乳腺癌的早期检出率。

研究亮点:

研究目标: 利用深度学习 (DL) 技术，结合乳腺X线 (MG) 和超声 (US) 图像，预测女性致密型乳腺 BI-RADS US 4A 类病灶的恶性程度，辅助临床决策，提高乳腺癌早期诊断的准确性。

研究方法: 

该研究纳入了 992 位患者，按照4:1的比例随机分为训练组和测试组。另外，还纳入了 218 位患者作为前瞻性验证队列。研究人员开发了一种结合 US 和 MG 图像的深度学习模型，并通过敏感性、特异性和曲线下面积 (AUC) 等指标评估其预测恶性的诊断效能。最后，将该联合 DL 模型与临床常用评分模型以及单独使用 US 或 MG 图像训练的 DL 模型进行比较。 

研究结果: 

联合 DL 模型在测试组和验证组的 AUC 值分别为 0.940 (95% 置信区间 [95%CI]，0.874~1.000) 和 0.906 (95%CI，0.817~0.995)，均显著高于临床评分模型和单独使用 US 或 MG 图像的 DL 模型 (P<0.05)。 

研究意义:

这项研究成果表明，结合 US 和 MG 图像的深度学习模型能够比传统方法更准确地预测女性致密型乳腺中 BI-RADS US 4A 类病灶的恶性程度。这项技术有望用于辅助临床决策，帮助医生更加精准地判断是否需要进行活检，从而提高乳腺癌的早期检出率，为患者争取更好的治疗时机。

赛维森科技始终秉承着科技助力健康的理念，积极与科研院所合作，共同推动医疗技术进步，为早日实现全民健康贡献力量！