Notizie
Sorveglianza radiologica per le sopravvissute al cancro della mammella
Il tumore maligno della mammella è una neoplasia diffusa a livello mondiale e il crescente numero di sopravvissute richiede una […]
Diagnosi di cancro mammario basata sull’apprendimento profondo nella risonanza magnetica della mammella
Un’equipe di ricercatori ha effettuato una revisione sistematica e una meta-analisi con lo scopo di valutare la performance dei modelli di apprendimento profondo (DL) nella diagnosi di cancro della mammella tramite risonanza magnetica (MRI). Sono stati esplorati i database Web of Science, PubMed e IEEE Xplore alla ricerca di lavori specifici pubblicati da gennaio 2015 a febbraio 2024.
Sono stati utilizzati lo strumento QUADAS-2 e la lista di controllo MAIC-10 (Must AI Criteria-10) per valutare la qualità e il rischio di bias. La meta-analisi ha incluso studi che riportavano l’uso di DL per la diagnosi di cancro mammario e le loro performance dalle quali sono state calcolate le stime aggregate per l’area sotto la curva (AUC), la sensibilità e la specificità.
Alla fine, gli esperti hanno selezionato 40 documenti, dei quali solo 21 erano idonei per l’analisi quantitativa. Le reti neurali convoluzionali (CNN) sono state utilizzate nel 62,5% (25/40) dei modelli implementati, mentre il restante 37,5% (15/40) è composto da modelli compositi ibridi (HCM).
Le stime aggregate di AUC, sensibilità e specificità sono rispettivamente di 0,90, 88% e 90%. Gli Autori concludono che i modelli DL utilizzati per la diagnosi del cancro della mammella su risonanza magnetica raggiungono performance elevate anche se c’è una notevole variabilità intrinseca in questa analisi. Pertanto, la valutazione continua e il perfezionamento dei modelli DL sono essenziali per garantirne la praticità in ambito clinico. Registrazione PROSPERO (protocollo n. CRD42024485371).
Fonte: Eur Radiol. 2025
https://link.springer.com/article/10.1007/s00330-025-11406-6
