深度学习放射组学可以预测早期乳腺癌患者的腋窝淋巴结状态

准确识别早期乳腺癌患者腋窝淋巴结（ALN）受累情况对于确定适当的腋窝治疗方案至关重要，从而避免不必要的腋窝手术和并发症。在此，我们报告了使用常规超声和剪切波弹性成像的深度学习放射组学（DLR）来预测早期乳腺癌患者术前的ALN状态。临床参数联合DLR在预测无病腋窝与任何腋窝转移之间的ALN状态方面表现最佳，受试者工作特征曲线下面积（AUC）为0.902（95%置信区间 CI: 0.843, 0.961）。该临床参数联合DLR还可以区分腋窝疾病的低转移负担和重转移负担，AUC为0.905（95% CI: 0.814, 0.996）。我们的研究提供了一种非侵入性的影像生物标志物，以预测早期乳腺癌患者的ALN转移范围。