O modelo de IA atinge a precisão no nível de especialista em diagnóstico não invasivo de câncer de mama usando dados de ressonância magnética

Pesquisadores da Universidade de Ciência e Tecnologia de Hong Kong (HKUST) desenvolveram mistura de especialistas em modalidade (MOME), um grande modelo de inteligência artificial (AI) para diagnóstico de câncer de mama não invasivo. Treinado na maior ressonância magnética multiparamétrica da China (MPMRI), o MOME atinge a precisão no nível de especialistas na classificação da malignidade do tumor, comparável à dos radiologistas com cinco anos de experiência.

Essa solução inovadora está passando por uma extensa validação clínica em mais de dez hospitais e instituições parceiras, incluindo o Hospital Popular de Shenzhen, o Primeiro Hospital Popular Municipal de Guangzhou e o Yunnan Cancer Center, para validar sua eficácia e garantir a aplicabilidade do mundo real. O artigo é publicado na revista Comunicações da natureza.

Aproveita o maior conjunto de dados MPMRI da China

O câncer de mama é um dos cânceres mais prevalentes e com risco de vida entre as mulheres em todo o mundo. Detecção precoce, subtipagem molecular precisa e a capacidade de prever as respostas dos pacientes ao tratamento são cruciais em seu manejo eficaz. Embora o MPMRI forneça informações de diagnóstico ricas, a integração de suas diversas modalidades de imagem (ou seja, diferentes sequências de ressonância magnética) apresenta desafios para os sistemas tradicionais de IA, especialmente quando faltam sequências em ambientes clínicos.

Para enfrentar esses desafios, a equipe liderada por HKUST colaborou com várias instituições médicas para compilar o maior conjunto de dados chineses de mama MPMRI relatado até o momento e projetado Mome, um grande modelo de IA capaz de aprender com diversos tipos de dados.

Usando uma estrutura de “mistura de especialistas” e uma arquitetura “transformador”, o Mome efetivamente funde informações multimodais e permanece robusto mesmo quando algumas seqüências de imagem estão ausentes. O modelo também suporta subtipagem molecular e prevê a resposta ao tratamento.

Potencial para reduzir biópsias desnecessárias e aprimorar as previsões de tratamento

Nos testes de estudo, o MOME não apenas demonstrou precisão diagnóstica em pé de igualdade com radiologistas experientes, mas também mostrou potencial na redução de biópsias desnecessárias, identificando corretamente casos benignos entre Bi-Rads 4 pacientes-indivíduos com achados suspeitos de imagens de mama, indicando uma verossimilhança moderada de câncer de mama (entre 2% e 95%).

O MOME forneceu resultados encorajadores na previsão de respostas à quimioterapia neoadjuvante, um tratamento administrado antes da cirurgia para diminuir os tumores e melhorar os resultados cirúrgicos, bem como na subtipagem de câncer de mama triplo negativo, um subtipo mais agressivo que requer estratégias de tratamento especializadas.

“MOME’s high adaptability and interpretability hold tremendous potential for integration into clinical workflows. By enhancing diagnostic reliability and decision transparency, MOME highlights the transformative role of AI in medical imaging while enabling for non-invasive and personalized cancer management,” said Prof. Chen Hao, Assistant Professor in the Department of Computer Science and Engineering, the Department of Chemical and Biological Engineering, and the Division of Life Science at HKUST, and one of the Autores correspondentes do estudo.

“Com o rápido progresso de grandes modelos de IA e tecnologias de imagem, acreditamos que modelos como Mome desempenharão um papel cada vez mais vital no capacitação dos médicos e na melhoria dos resultados dos pacientes em um futuro próximo”, acrescentou.

O estudo, intitulado “Um grande modelo para o gerenciamento não invasivo e personalizado do câncer de mama da RM multiparamétrica”, foi conduzido em conjunto pelo Smart Lab da HKUST, na Universidade de Harvard, no Hospital Popular de Shenzhen, no PLA General Hospital e no Yunnan Cancer Center. O Dr. Luo Luyang, ex -pós -doutorado da equipe de pesquisa do Prof. Chen no Smart Lab da Hkust e atualmente pós -doutorado na Universidade de Harvard, atuou como o primeiro autor da pesquisa.