通过结合人工智能来检测损伤和乳房图谱纹理来评估乳腺癌风险
Andreas D Lauritzen1, My C von Euler-Chelpin1, Elsebeth Lynge1
1From the Departments of Computer Science (A.D.L., M.N., M.L.) and Public Health (M.C.v.E.C., E.L.), University of Copenhagen, Universitetsparken 1, 2100 Copenhagen Ø, Denmark; Department of Breast Examinations, Gentofte Hospital, Gentofte, Denmark (I.V.); and Department of Radiology and Nuclear Medicine, Radboud University Medical Centre and ScreenPoint Medical, Nijmegen, the Netherlands (N.K.).
Radiology
|August 29, 2023
概括
结合人工智能 (AI) 和乳腺造影纹理模型,显著改善了乳腺癌风险评估. 这种方法提高了对短期间隔和长期癌症的高风险妇女的识别.
科学领域:
- 放射学 放射学是一门学科.
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 现有的乳腺造影风险模型单独评估短期或长期乳腺癌风险.
- 结合这些模型以改善风险评估的潜在好处仍未评估.
研究的目的:
- 评估是否将用于病变检测的诊断人工智能 (AI) 系统与乳腺造影纹理模型相结合,可以改善乳腺癌风险评估.
- 评估组合模型在预测间隔和长期癌症方面的表现.
主要方法:
- 对119,650名丹麦妇女进行乳腺癌查 (2012-2015年) 的回顾性研究,随访时间≥5年.
- 利用商业人工智能系统进行短期风险评分,并使用纹理模型进行长期风险评估.
- 使用接收器运行特征曲线 (AUC) 下面面积分析,比较单个和组合模型性能.
主要成果:
- 与AI单独 (0.70) 或纹理模型单独 (0.66) 相比,人工智能和纹理模型的组合实现了更高的AUC (0.73),用于预测间隔和长期癌症.
- 通过综合模型确定的前10%的女性占间歇性癌症的44.1%,长期癌症的33.7%.
- 通过DeLong测试证实了统计显著性 (P < .001对于两个比较).
结论:
- 结合诊断AI系统和乳腺造影纹理模型,可以提高乳腺癌风险评估的准确性.
- 这种综合性方法有效地识别了患间歇性和长期乳腺癌风险较高的女性.
- 这些发现支持多式人工智能和纹理分析在乳房镜查程序中的临床实用性.
