用人工智能分析样本乳房扫描来预测边际状态的分析
Kevin A Chen1, Kathryn E Kirchoff2, Logan R Butler1
1Division of Surgical Oncology, Department of Surgery, University of North Carolina at Chapel Hill, Chapel Hill, NC, USA.
Annals of surgical oncology
|August 10, 2023
概括
人工智能模型预测乳腺癌瘤边缘状况从样本乳房造影,显示出比人类解释更好的准确性. 这些人工智能工具可以提高手术精度,减少重复手术.
科学领域:
- 医学成像分析分析 医学成像分析
- 人工智能在瘤学中的应用
- 乳腺癌的诊断 乳腺癌的诊断
背景情况:
- 术内样本乳房造影有助于乳腺癌手术,但对微观边缘阳性度的准确性较低.
- 准确的边缘评估对于有效的瘤切除和患者的治疗结果至关重要.
研究的目的:
- 开发和验证人工智能 (AI) 模型,以使用样本乳房扫描来预测病理边缘状态.
- 提高部分乳房切除手术中边缘评估的准确性.
主要方法:
- 收集了821个样本乳房造影图像和相应的边缘状态的数据集 (2017-2020年).
- 包括InceptionV3在内的AI模型经过训练和验证,比较那些在放射图像和非医学图像上进行预训练的人.
- 使用灵敏度,特异性和AUROC来评估性能.
主要成果:
- 在放射性图像上预训练的AI模型通常优于在非医疗图像上预训练的模型.
- 发明V3模型实现了84%的灵敏度,42%的特异性和0.71的AUROC.
- 对于侵袭性癌症,乳房不那么密集以及非白人患者来说,模型的性能明显更好.
结论:
- 开发和内部验证的人工智能模型准确地预测样本乳房图片的边缘状态.
- 模型的性能与现有文献中人类的解释相当或优于人类的解释.
- 进一步的开发可能会导致人工智能引导的切除,改善cosmesis和减少重新操作.
