使用 Mamba 架构对乳腺癌病理完全缓解进行深度学习预测

《npj Digital Medicine》：Deep learning prediction of pathological complete response in breast cancer using Mamba architecture

　　

摘要

深度学习能够高效预测新辅助化疗（NAC）在乳腺癌治疗中的疗效。然而，目前的方法主要依赖于卷积神经网络或Transformer架构，并且通常在较小的患者群体中进行验证。我们开发了一个基于Mamba的深度学习模型，利用来自五家三级医院的1646名乳腺癌患者的针刺活检（MCEN）数据来预测化疗疗效，旨在预测新辅助化疗后的病理完全缓解。我们将其中一家医院的1023个活检样本随机分为训练集和验证集（比例为8:2），并使用其余四家医院的数据作为外部测试集来评估模型的性能和鲁棒性。在训练集和验证集中，MCEN的接收者操作特征曲线下面积（AUROCs）分别为0.923和0.78。对于四个外部测试集，MCEN的AUROCs范围在0.761到0.809之间。结合临床病理信息后，MCEN模型的预测性能得到了提升，在训练集和验证集中的AUROCs分别为0.937和0.811，而在外部测试集中的AUROCs范围在0.773到0.84之间。我们的研究表明，MCEN作为临床决策工具具有潜在的价值。