基础模型嵌入捕获筛查乳房 X 光检查的诊断前变化

筛查乳房X光照片的基础模型嵌入可以编码诊断前的组织变化，而无需特定于任务的适应。我们测试了在随后接受癌症活检的女性中，嵌入是否沿着数据衍生的“癌症方向”移动得比匹配的筛选阴性对照更快，以及这是否取决于预训练领域。我们研究了 1,773 名进行活检的女性（785 名恶性，988 名活检阴性）和 1,773 名匹配的对照者，每人在指数检查前至少进行两次年度筛查。相同的流程应用于四个 2D 模型：Mammo-CLIP（MC，分布外乳腺 X 线摄影）、HOPPR（分布内乳腺 X 线摄影）、MedImageInsight（MII，普通医学成像）和 BiomedCLIP（文献人物的生物医学视觉语言预训练）。乳房水平嵌入量化了沿癌症方向的纵向运动。我们使用患者间设计和互补混合效应分析来比较病例和对照，并对患者体内的活检与健康对侧乳房进行比较。在 MII 嵌入空间的匹配模式下，在索引检查之前的前两个筛查间隔中，恶性病例的漂移速度明显快于对照；活检阴性病例仅在第一个病例中显示出意义。两个活检组的 MC 差异在第一个时间间隔内均显着。患者内部比较显示出大致相似的模式，MC 显着性延伸至两组的第二个间隔，HOPPR 在间隔 1 处显示显着性。BiomedCLIP 在设计组或活检组中均无显着差异。总体而言，定向嵌入速度是作为临床基础而不是一般生物医学预训练的属性而出现的，这表明基础模型嵌入可以编码诊断前乳房 X 线摄影变化，而无需特定于任务的适应。