Relation knowledge distillation 3D-ResNet-based deep learning for breast cancer molecular subtypes prediction on ultrasound videos: a multicenter study
7.5
来源：
Nature
发布时间：
2025-08-26 23:40
摘要：
研究开发了一种基于超声视频的关系知识蒸馏三维残差网络（RKD-R3D）模型，用于预测乳腺癌分子亚型。该模型在882名乳腺癌患者的多中心研究中表现出色，AUC值高达0.88，优于传统方法。RKD-R3D在预测三阴性乳腺癌方面表现尤为突出，显示出其作为非侵入性评估工具的潜力，能够为临床个性化管理提供支持。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
1.0分
关键证据
RKD-R3D模型在内部和外部测试队列中预测乳腺癌分子亚型的表现优于传统方法。
该模型在预测三阴性乳腺癌方面表现出色，AUC达到0.98。
研究涵盖了882名乳腺癌患者的多中心数据，具有较强的科学性和临床应用潜力。
真实性检查
否
AI评分总结
研究开发了一种基于超声视频的关系知识蒸馏三维残差网络（RKD-R3D）模型，用于预测乳腺癌分子亚型。该模型在882名乳腺癌患者的多中心研究中表现出色，AUC值高达0.88，优于传统方法。RKD-R3D在预测三阴性乳腺癌方面表现尤为突出，显示出其作为非侵入性评估工具的潜力，能够为临床个性化管理提供支持。