La soluzione per migliorare la previsione della risposta patologica completa (pCR) nelle pazienti con tumore al seno sottoposte a chemioterapia neoadiuvante (NAC) prevede l’utilizzo di modelli di deep learning basati sui Vision Transformers (ViTs). La pCR, che indica l’assenza di cellule tumorali nel seno o nei linfonodi dopo il trattamento, è fondamentale per la prognosi e per guidare la terapia successiva. I metodi tradizionali come la mammografia, l’ecografia e la DCE-MRI sono utili, ma hanno dei limiti dovuti alla dipendenza dall’operatore. I ViT suddividono le immagini in patch e utilizzano l’autoattenzione per catturare meglio i pattern globali, consentendo valutazioni più accurate e automatizzate della pCR dalle scansioni MRI durante la NAC, riducendo gli errori e migliorando la precisione diagnostica.
