对人工智能模型的评估,以评估未来乳腺癌风险
Celeste Damiani1, Grigorios Kalliatakis1, Muthyala Sreenivas1
1From the Center for Human Technologies, Istituto Italiano di Tecnologia, Via Melen 83, Genoa 16152, Italy (C.D.); Wolfson Institute of Population Health, Queen Mary University of London, London, UK (C.D., E.F.L., J.C., A.R.B.); Institute of Computer Science (ICS), Foundation of Research and Technology Hellas, Heraklion, Crete, Greece (G.K.); Joint for Director Breast Screening, University Hospitals Coventry and Warwickshire NHS Trust Coventry, Coventry, UK (M.S.); Department of Oncoplastic Breast Surgery, University Hospitals of Leicester NHS Trust, Leicester, UK (M.A.A.); Consumer member at National Cancer Research Institute, Breast Group, London, UK (J.R., C.P.); and University of Warwick, WMG, Coventry, UK (G.M.).
一个深度学习算法准确地预测乳腺癌风险高达六年后,负面的乳房镜检查. 这种人工智能工具增强了女性早期检测策略.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 准确的乳腺癌风险评估负面后查对于早期检测策略至关重要.
- 数字造乳镜是乳腺癌查的一个关键工具.
- 现有的风险评估方法可能会从人工智能驱动的改进中受益.
研究的目的:
- 评估深度学习算法对乳腺癌风险评估的性能,使用数字乳房影像.
- 评估AI模型对经过负面查后3年乳腺癌风险的预测准确度.
- 调查不同癌症亚型和不同癌症阶段的模型性能中的潜在异质性.
主要方法:
- 一个回顾性,匹配的病例对照研究利用了OPTIMAM乳房图像数据库 (英国NHS乳腺查计划).
- 一个人工智能 (AI) 模型分析了诊断前查检查中的乳房影像.
- 模型性能是使用接收器操作特征曲线 (AUC) 下的面积进行评估的,并评估了校准斜率.
主要成果:
- 人工智能模型显示,3年乳腺癌风险预测的整体AUC为0.68.
- 对于查检测和间隔癌症,以及侵入性癌症与局部导管癌 (DCIS) 的表现是一致的.
- 该模型对晚期癌症风险 (II+阶段) 的性能更高,AUC为0.72.
结论:
- 深度学习的人工智能模型是乳腺癌风险的强有力的预测者,在阴性乳房扫描后3-6年内.
- 人工智能模型显示了通过识别高风险个体来改善早期检测策略的潜力.
- 进一步的研究可以探索将这种AI工具集成到常规临床实践中,以加强乳腺癌查.
