Evaluación de enfermedades mamarias con un modelo de aprendizaje profundo utilizando imágenes ultrasónicas bimodales bi-vista e información clínica

El cáncer de mama es la segunda causa principal de muerte por carcinoma en mujeres. Desarrollamos un modelo de aprendizaje profundo multimodal (BreNet) para diferenciar el cáncer de mama de lesiones benignas. BreNet fue construido y entrenado con 10,108 imágenes de un centro y probado con 3,762 imágenes de dos centros en tres etapas. Primero se comparó la capacidad diagnóstica de BreNet con la de seis radiólogos; se construyó un esquema asistido por BreNet para mejorar la capacidad diagnóstica de los radiólogos; y luego se comparó el diagnóstico del esquema de radiólogos en el mundo real con el esquema asistido por BreNet. El rendimiento diagnóstico de BreNet fue superior al de los radiólogos (área bajo la curva AUC: 0.996 frente a 0.841). El esquema asistido por BreNet incrementó el AUC agrupado de los radiólogos de 0.841 a 0.934 para la revisión de imágenes y de 0.892 a 0.934 en la prueba del mundo real. El uso de BreNet mejora significativamente la capacidad diagnóstica de los radiólogos en la detección del cáncer de mama.