人工智能模型革新乳腺癌转移检测，无需手术

在医学技术的重要进展中，德克萨斯大学西南医学中心的研究人员开发了一种深度学习模型，该模型能够在不需要侵入性手术的情况下检测乳腺癌的扩散。根据NVIDIA的说法，这款基于人工智能的工具通过分析时间序列MRI和临床数据来识别癌细胞是否已转移到附近的淋巴结，这一进展可能会改变医生和患者的治疗计划。

减少侵入性手术

目前，医生通常使用前哨淋巴结活检（SLNB）来确定乳腺癌是否已扩散到淋巴结。这一手术步骤涉及在肿瘤附近注入染料和放射性溶液，以识别前哨淋巴结，然后将其通过手术移除进行活检。虽然有效，但SLNB是侵入性的，并带有麻醉并发症、辐射暴露和术后疼痛等风险。

然而，新AI模型提供了一种非侵入性的替代方案。该模型利用定制的四维卷积神经网络（4D CNN），基于从350名已诊断出乳腺癌并扩散到淋巴结的女性获得的动态增强MRI（DCE-MRI）数据进行训练。模型在时间上处理四维数据，检查3D MRI扫描并整合年龄和肿瘤分级等临床变量，以准确识别癌性淋巴结。

准确性高及未来影响

该人工智能模型在识别淋巴结转移方面显示了令人印象深刻的89%准确率，超越了传统的成像方法和放射科医生的评估。这可能会让乳腺癌患者免于不必要的手术，如SLNB和腋窝淋巴结清扫（ALND），从而降低相关风险和医疗资源消耗。

该研究的首席作者Dogan Polat博士强调，模型侧重于来自原发肿瘤的数据，减少了需要额外成像的必要性。Polat博士说道：“我们的目标是减少额外成像的需求并降低患者接受侵入性手术的数量”，这表明该模型在提高患者结局和简化癌症治疗方面具有潜力。

展望未来

研究人员计划将人工智能模型部署到实际的临床环境中，以收集数据进行进一步验证和改进。这一步骤对于评估其在更广泛的临床情境中的有效性至关重要，并可能扩展其在其他癌症中的应用。

正如研究合著者和NVIDIA资深高性能计算工程师Paniz Karbasi指出的那样，使用NVIDIA的A100和V100 Tensor Core GPUs对于构建和训练该模型至关重要。这种合作强调了尖端技术在推进医学研究和提高诊断准确性中的作用。