Целью этого исследования является оценка косметических результатов реконструированной груди у пациентов с раком молочной железы с использованием оценки аномалий (AS), обнаруженной алгоритмом глубокого обучения генеративно-состязательной сети (GAN). Всего для обучения аномальной сети GAN было использовано 251 нормальное изображение груди пациенток, перенесших органосохраняющую операцию. Обнаружение аномалий на основе GAN использовалось для расчета аномалий как AS с последующей стандартизацией с использованием z-показателя. Затем мы рассмотрели 61 пациентку с раком молочной железы, перенесшую мастэктомию с последующей реконструкцией с использованием аутологичной ткани или расширителя ткани. Всем больным проводилась адъювантная лучевая терапия (ЛТ) после реконструкции и трехкратная компьютерная томография (КТ) с регулярным наблюдением; до РТ (Pre-RT), через год после RT (Post-1Y) и через два года после RT (Post-2Y). По сравнению с Pre-RT, Post-1Y и Post-2Y продемонстрировали более высокий AS, что указывает на более аномальные косметические результаты (P = 0,015 до RT по сравнению с Post-1Y, и Pre-RT по сравнению с Post-2Y, P = 0,011). AS до ЛТ был выше у пациенток с серьезными осложнениями со стороны молочной железы (P = 0,016). Пациенты с аутологичной реконструкцией показали более низкий AS, чем пациенты с тканевым расширителем, как до ЛТ (2,00 против 4,19, P = 0,008), так и после 2Y (2,89 против 5,00, P = 0,010). Линейная модель со смешанным эффектом показала, что дни после исходного уровня были связаны с повышенным AS (P = 0,007). Кроме того, экспандер ткани был связан с более крутым подъемом AS по сравнению с аутологичной тканью (P = 0,015). Режим фракционирования не был связан с изменением АС (P = 0,389). АС, обнаруженный с помощью глубокого обучения, может быть полезен для прогнозирования косметических результатов у пациентов, прошедших лучевую терапию, с реконструкцией молочной железы. АС должен быть подтвержден в проспективных исследованиях.
