上海
撰文丨王聰
編輯丨王多魚
排版丨水成文
早期且準確地診斷乳腺癌，對于減少穿刺活檢、改善患者預后至關重要，這需要有效整合多模態信息。
2026 年 5 月 19 日，上?？萍即髮W/聯影智能沈定剛教授及云南省腫瘤醫院李振輝、上海交通大學柯晶、西湖大學醫學院附屬杭州市第一人民醫院丁忠祥、貴州省人民醫院王榮品作為共同通訊作者，在 Nature 子刊Nature Biomedical Engineering上發表了題為：A deep learning system for non-invasive breast cancer diagnosis with multimodal data 的研究論文。
該研究開發了一種乳腺癌智能無創診斷系統（BINDS），用于整合多模態醫學影像數據，以進行乳腺癌風險評估和亞型分類。
在這項最新研究中，研究團隊開發了一種基于深度學習的乳腺癌智能無創診斷系統（breast cancer intelligent non-invasive diagnosis system，BINDS），用于整合多模態醫學影像數據，以進行乳腺癌風險評估和亞型分類。
BINDS 采用兩階段的診斷方法，以匹配臨床工作流程：首先通過超聲和/或乳腺 X 線攝影進行初步評估，隨后結合磁共振成像進行更全面的多模態診斷。此外，該研究還提出了一種新的放射學與病理學對齊機制，以促進從放射影像中提取與病理相關的特征。BINDS 是基于來自 8 個中心和 7 個公共數據集的 27048 名參與者的多樣化數據集進行開發和驗證的。重要的是，BINDS 在訓練和驗證過程中支持輸入模態的靈活組合。
值得注意的是，BINDS 的受試者工作特征曲線下面積達到0.973，并可幫助放射科醫生將良性病變的活檢比例減少高達32.4%。
這些發現凸顯了 BINDS 在推動乳腺癌診斷方面的潛力，能夠根據不同臨床場景和資源條件實現精準且靈活的決策。
論文鏈接：
https://www.nature.com/articles/s41551-026-01654-2
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
