准确发现早期乳腺癌患者腋窝淋巴结转移，对于确定合理治疗方案并且避免不必要的腋窝手术和并发症至关重要。
年3月6日，英国《自然》旗下《自然通讯》在线发表中山大学肿瘤防治中心、复旦大学信息科学与工程学院电子工程系、上海市医学图像处理与计算机辅助手术重点实验室、中国科学院深圳先进技术研究院生物医学与健康工程研究所劳特伯生物医学成像研究中心的研究报告，通过人工智能深度学习乳腺癌的超声影像数据特征，对早期乳腺癌患者术前腋窝淋巴结转移进行了预测。
该研究将临床指标结合深度学习普通超声和剪切波弹性成像数据特征，对早期乳腺癌患者腋窝淋巴结转移有无进行预测，接受者操作特征曲线下面积达0.（95%置信区间：0.～0.）。
此外，该临床指标结合深度学习普通超声和剪切波弹性成像数据特征，对早期乳腺癌患者腋窝淋巴结转移多少进行预测，接受者操作特征曲线下面积达0.（95%置信区间：0.～0.）。
因此，该研究结果表明，通过人工智能深度学习无创成像生物学指标，可以预测早期乳腺癌患者腋窝淋巴结转移程度。
NatCommun.Mar6.[Epubaheadofprint]
Deeplearningradiomicscanpredictaxillarylymphnodestatusinearly-stagebreastcancer.
XueyiZheng,ZhaoYao,YiniHuang,YanyanYu,YunWang,YuboLiu,RushuangMao,FeiLi,YangXiao,YuanyuanWang,YixinHu,JinhuaYu,JianhuaZhou.
SunYat-SenUniversityCancerCenter,Guangzhou,China;FudanUniversity,Shanghai,China;PaulC.LauterburResearchCenterforBiomedicalImaging,InstituteofBiomedicalandHealthEngineering,ShenzhenInstitutesofAdvancedTechnology,ChineseAcademyofSciences,Shenzhen,China;Thekeylaboratoryofmedicalimaging