中山大学团队开发超声与DBT多模态AI模型提升乳腺癌筛查准确性

中山大学孙逸仙纪念医院等机构开发并验证了一种并行分支深度学习框架，用于联合超声（US）、数字乳腺摄影（DM）和数字乳腺断层合成（DBT）的乳腺级风险分类。该研究训练于2187例乳腺，在632例内部验证和500例病理确诊队列中评估，US-DBT模型AUC分别达0.944和0.934，病理确诊队列特异度0.955、阳性预测值0.958。作者强调该模型非独立筛查系统，需前瞻性多中心验证。