基于人工智能驱动的乳房扫描的未来乳腺癌风险预测:一个系统性审查

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
• 瘤学和癌症研究研究

背景情况:

• 准确的乳腺癌风险预测对于个性化查策略至关重要.
• 传统的风险评估依赖于临床因素和乳腺扫描密度.
• 人工智能 (AI) 的进步为使用医疗图像进行风险预测提供了新的可能性.

研究的目的:

• 系统地审查关于人工智能算法的性能,用于使用乳腺癌图像预测乳腺癌风险的文献.
• 将基于AI图像的模型的准确性与传统风险评估工具进行比较,这些模型包含或不包含额外的临床数据.

主要方法:

• 在六个主要数据库 (2012-2022) 中进行了系统的文献审查.
• 如果这些研究验证了人工智能算法对现实世界的乳房造影数据进行验证,以预测未来的风险,那么这些研究就被纳入了.
• 评估了研究质量,并使用接收器操作特征曲线 (AUC) 下的面积量化预测准确度.

主要成果:

• 16项研究符合纳入标准,其中14项报告了AUC值.
• 仅使用AI图像模型的AUC中位数为0.72,超过了传统工具 (中位数AUC为0.61).
• 在大多数比较研究中,将AI图像与临床数据相结合显示出预测准确度的微小或无显著改善.

结论:

• 仅分析乳房造影图像的人工智能算法在乳腺癌风险预测方面表现强,与现有方法相比或优于现有方法.
• 添加临床风险因素在使用基于AI图像的模型时提供了有限的额外预测价值.
• 基于AI图像的风险预测有望为开发更准确和个性化的乳腺癌查方法提供希望.