IF=26.8！机器学习又被表扬了！0实验2个模块接收，诺奖级热点果然名不虚传，快冲！

嘿！宝子们，机器学习又被“夸上天”啦！自从今年的诺奖结果公布后，机器学习热度不减。这不，生信塔发现一篇前几天刚发表的SCI，被26分+的Nature子刊接收，还是0实验哦~快来看看吧！

这是上海科技大学等团队发表在《Nature Biomedical Engineering》上的SCI，研究利用海量乳腺影像数据，融合mammography与ultrasound模块，借助机器学习的神奇魔力，构建多模态模型，深度剖析乳腺癌风险分层及潜在病理机制。事不宜迟，快随生信塔开启这场科研探秘之旅，深挖论文的精妙之处！

1、多模态融合与树状分类体系：构建融合乳腺X线摄影、超声及临床元数据的BMU-Net模型，并创建树状分类体系。依此模型，能同时实现粗、细粒度的乳腺疾病风险预测。细粒度层面精准区分多种疾病亚型，粗粒度准确判别良恶性，极大提升诊断效率与精准度。

2、模块设计与性能优化策略：妙采用ResNet-18构建特征提取模块，经独立训练、多模态数据集微调，及预训练权重迁移，增强模型性能，确保在多变数据环境中精准诊断。

PS：机器学习的时代已然来临，你准备好了吗？想在机器学习做点新东西的朋友，欢迎随时联系生信塔，帮助你解决各种疑难杂症～

定制生信分析

生信服务器

加微信备注99领取使用

l题目：用于乳腺癌风险分层的多模态机器学习模型

l杂志：nature biomedical engineering

l影响因子：IF=26.8

l发表时间：2024年12月

研究背景

乳腺癌是全球常见癌症，早期诊断至关重要。传统乳腺X线摄影与超声各有局限，且影像解读受多种因素制约。人工智能发展为解决此挑战带来契机，然而现有AI研究在遵循诊断标准、多中心测试、处理数据缺失及提供精准诊断方面存在不足，亟待突破以改善临床实践。

数据来源

本研究数据源于5025名经手术病理确诊患者，含5216个乳房的19360张影像及临床元数据。乳腺X线摄影数据回溯收集自2016年2月-2022年6月多院；超声及多模态数据分别于2019年9月-2023年8月、2021年1月-2023年8月前瞻性采集自多中心，涵盖不同设备与多种病例类型。

研究思路

本研究先依BI-RADS指南构建含乳腺X线摄影、超声模块及临床元数据的BMU-Net模型。用大量影像及数据分阶段训练、微调各模块与整体模型，借读者研究、活检标本观察评估性能，以混淆矩阵、AUC等指标衡量，经优化与验证提升模型临床实用性。

结果展示

1、乳腺X线摄影模块性能

在MG_H1数据集内，乳腺X线摄影模块经训练后于多种评估中表现卓越。与五位经验丰富的乳腺X线摄影师相比，其Cohen’skappa达0.398，更优。粗粒度评估的AUC为0.825。于MG_H2、MG_H3外部测试队列，AUC分别为0.794、0.812，验证良好扩展性。依Youden指数等设操作点，低假阴性率助临床精准诊断。

图1 该模块与乳腺X线摄影师在细粒度乳腺疾病分区的混淆矩阵

2、超声模块性能

超声模块在US_H1M1数据集训练效果佳。与四位资深超声医师比，细粒度预测Cohen’skappa达0.571更优，粗粒度AUC为0.916。于US_H1M2、US_H2、US_H3外部队列性能稳定，AUC均良好。依Youden指数设操作点，2%阈值下假阴性率极低，保障高敏感度探测乳腺癌。

图2 模块与个体及平均超声医师在粗粒度评估的ROC曲线

3、BMU-Net模型性能

BMU-Net模型融合多模态数据，于MGUS_H1内部测试集，细粒度达Cohen’skappa为0.643，粗粒度AUC为0.948。外部MGUS_H2测试集性能可靠。处理缺失数据时单模态BMU-Net等效专项模块，多模态更优。接近病理学家粗粒度评估水平，为临床诊断提供有力支撑。

图3 模型对不同模态数据缺失的适应能力

文章小结

本研究深度挖掘乳腺X线摄影、超声影像及临床元数据价值，借助机器学习算法构建多模态BMU - Net模型，精准剖析乳腺癌风险分层，在良恶性判别及病理亚型鉴别上表现卓越，为乳腺癌诊断管理开辟全新路径。羡慕别人刷刷地发SCI，自己还没掌握生信的发文精髓？来找生信塔，专业团队让你省心又省力~只要你需要，生信塔随叫随到哦~

注：本文为原创编译，非声张版权，侵删！

生信塔有话说

生信塔公众号持续为大家带来最新生信思路，更多创新性分析思路请点击往期推荐，快来查看吧！想复现这种思路或者定制更多创新性思路欢迎直接call生信塔，我们团队竭诚为您的科研助力！

文献思路复现

定制生信分析

生信服务器

十投九中+纯生信友好=神刊！复旦肿瘤医院李大卫团队2区6分模板文，单细胞数据挖掘+乳酸化修饰，科研人错过血亏！

11种机器学习“飞”上1区Top，诺奖热点不容错过！苏州大学李艳红团队，预后模型这波操作太燃了！