Augmented Intelligence for Multimodal Virtual Biopsy in Breast Cancer Using Generative Artificial Intelligence

要約

フルフィールドデジタルマンモグラフィ（FFDM）は、日常的な乳がんスクリーニングの主要なイメージングモダリティです。
しかし、その有効性は、密度の高い乳房組織または線維嚢胞性症状の患者では限られています。
第2レベルのイメージング技術であるコントラスト強化スペクトルマンモグラフィ（CESM）は、腫瘍検出の精度を高めます。
それにもかかわらず、放射線曝露が高く、造影剤の使用、およびアクセシビリティが制限されているため、その用途は制限されています。
その結果、CESMは通常、特定の症例には予約されており、CESMの優れた診断パフォーマンスにもかかわらず、多くの患者がFFDMのみに依存するようになります。
生検は決定的な診断のゴールドスタンダードのままですが、患者に不快感を引き起こす可能性のある侵襲的な手順です。
仮想生検のためのマルチモーダルのマルチビューディープラーニングアプローチを導入し、頭蓋球乱体および中外側斜角ビューにFFDMとCESMモダリティを統合して、病変を悪性または良性として分類します。
CESMデータの欠落の課題に対処するために、生成的人工知能を活用して、FFDMスキャンからCESM画像を帰属させます。
実験結果は、CESMモダリティを組み込むことが仮想生検のパフォーマンスを向上させるために重要であることを示しています。
実際のCESMデータが欠落している場合、合成CESM画像は効果的であることが証明され、特にFFDMとCESMモダリティを組み合わせたマルチモーダル構成でFFDM単独の使用を上回りました。
提案されたアプローチには、診断ワークフローを改善する可能性があり、臨床医に診断の精度と患者ケアを改善するための拡張インテリジェンスツールを提供します。
さらに、研究コミュニティへの貢献として、実験で使用されているデータセットを公開し、この分野でのさらなる進歩を促進します。

要約(オリジナル)

Full-Field Digital Mammography (FFDM) is the primary imaging modality for routine breast cancer screening; however, its effectiveness is limited in patients with dense breast tissue or fibrocystic conditions. Contrast-Enhanced Spectral Mammography (CESM), a second-level imaging technique, offers enhanced accuracy in tumor detection. Nonetheless, its application is restricted due to higher radiation exposure, the use of contrast agents, and limited accessibility. As a result, CESM is typically reserved for select cases, leaving many patients to rely solely on FFDM despite the superior diagnostic performance of CESM. While biopsy remains the gold standard for definitive diagnosis, it is an invasive procedure that can cause discomfort for patients. We introduce a multimodal, multi-view deep learning approach for virtual biopsy, integrating FFDM and CESM modalities in craniocaudal and mediolateral oblique views to classify lesions as malignant or benign. To address the challenge of missing CESM data, we leverage generative artificial intelligence to impute CESM images from FFDM scans. Experimental results demonstrate that incorporating the CESM modality is crucial to enhance the performance of virtual biopsy. When real CESM data is missing, synthetic CESM images proved effective, outperforming the use of FFDM alone, particularly in multimodal configurations that combine FFDM and CESM modalities. The proposed approach has the potential to improve diagnostic workflows, providing clinicians with augmented intelligence tools to improve diagnostic accuracy and patient care. Additionally, as a contribution to the research community, we publicly release the dataset used in our experiments, facilitating further advancements in this field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google