对乳腺癌查人工智能系统的国际评估

科学领域:

• 医学成像
• 人工智能
• 癌症学

背景情况:

• 查性乳房扫描旨在早期发现乳腺癌.
• 目前的乳房影像解读面临着错误的阳性和负面的挑战.

研究的目的:

• 展示一个用于预测乳腺癌的人工智能系统.
• 在临床环境中对人工智能系统的性能进行评估.

主要方法:

• 来自英国和美国的大量数据集用于AI评估.
• 使用AUC-ROC与6名人类放射科医生的AI性能进行比较.
• 模拟AI整合到英国的双重阅读过程中.

主要成果:

• 人工智能显示虚假阳性 (1.2-5.7%) 和虚假阴性 (2.7-9.4%) 的显著减少.
• 人工智能表现优于所有人类阅读器,具有更高的AUC-ROC (11.5%的差距).
• 在模拟的双重阅读中,人工智能保持了非劣势的性能,减少了第二个阅读器的工作量88%.

结论:

• 人工智能系统在不同人群中表现出强大的性能和通用性.
• 人工智能有可能提高乳腺癌查的准确性和效率.
• 需要进一步的临床试验, 将人工智能纳入乳腺癌查计划中.