Prospektiv observationsundersøgelse for klassificering af brystmikrokalcifikationer med kunstig intelligensteknikker

Brystmikrokalcifikationer er i øjeblikket klassificeret ved hjælp af BI-RADS radiologisk skala. I tilfælde af mistænkelige mikroforkalkninger (B3) anbefales det at foretage en biopsivurdering til histopatologisk vurdering. Imidlertid viser omkring 70-80 % af udførte biopsier benign histologi, der ikke kræver kirurgisk behandling. Kernebiopsier er invasive procedurer med biologiske, psykologiske (patientubehag), organisatoriske og økonomiske (for sundhedsvæsenet) omkostninger. Derfor er nøjagtighedens forbedring af radiologisk klassificering af mikrokalcifikationer afgørende. For nylig er forskellige tilgange blevet rapporteret i litteraturen til at detektere og klassificere mikroforkalkning som godartet eller mistænkeligt i digitale mammografier. Analysemetoder baseret på brugen af ​​deep learning (DL) har også vist sig som lovende til behandling af mammografibilleder. Konvolutionelle neurale netværk (CNN'er) er i øjeblikket det nyeste inden for billedklassificering i mange anvendelsesområder inden for computersyn. Denne undersøgelse har til hensigt at implementere en klassificeringsmetode for brystmikrokalcifikationer (som godartede eller ondartede) med kunstig intelligens (AI) teknikker på mammografiske billeder, og evaluere den diagnostiske ydeevne (nøjagtighed) af denne tilgang. Evalueringen vil blive udført med reference til den standard radiologiske tilgang (BI-RADS klassificering).

Sammen med anvendelsen af ​​AI-systemer til mammografisk billeddannelse er et yderligere aktuelt klinisk behov udviklingen af ​​et diagnostisk værktøj, der er i stand til at bestemme in-situ de biomolekylære egenskaber af mikrokalcifikationer, præcist skelne deres natur uden at tage væv, fiksering og indlejring af prøven i paraffin, og uden højt specialiseret vurdering af patologen. Raman-spektroskopi (RS) er en meget specifik metode set fra et biomolekylært synspunkt, og den er samtidig kompatibel med in vivo-målinger. Den består i en biofotonisk tilgang, der er i stand til at udforske den molekylære sammensætning af en given prøve gennem dens direkte bestråling (gennem laserlys) og den samtidige erhvervelse af emissionssignaler. RS-information kan kombineres med billeddannelsesfunktioner for at implementere en AI-model til kombineret klassificering af brystmikroforkalkninger