Diagnosi del cancro al seno: l’approccio combinato di radiomica e deep learning
La diagnosi precoce del cancro al seno è fondamentale per migliorare i tassi di sopravvivenza. La radiomica e il deep learning (DL) hanno dimostrato un potenziale significativo nell’assistere i radiologi nell’individuazione precoce del cancro. Un nuovo studio, pubblicato su arXiv (2601.05373), valuta le prestazioni di radiomica, DL e tecniche di ensemble nella diagnosi del cancro da mammografie di screening.
Lo studio ha utilizzato due dataset indipendenti: la RSNA 2023 Breast Cancer Detection Challenge (11.913 pazienti) e una coorte messicana dal dataset TecSalud (19.400 pazienti). Il modello ConvNeXtV1-small DL è stato addestrato sul dataset RSNA e validato sul dataset TecSalud, mentre i modelli di radiomica sono stati sviluppati utilizzando il dataset TecSalud e validati con un approccio leave-one-year-out. L’approccio ensemble ha combinato e calibrato le previsioni utilizzando la stessa metodologia.
I risultati hanno dimostrato che l’approccio ensemble ha raggiunto l’area sotto la curva (AUC) più alta, pari a 0,87, rispetto a 0,83 per ConvNeXtV1-small e 0,80 per la radiomica. In conclusione, i metodi ensemble che combinano le previsioni di DL e radiomica migliorano significativamente la diagnosi del cancro al seno dalle mammografie.
Paper: ArXiv.org