人工智能用于乳腺癌查乳房影像的分类和工作量减少:对深度学习软件的元分析

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
• 乳腺癌查 乳腺癌查

背景情况:

• 深度学习 (DL) 显示了提高乳腺癌诊断的潜力.
• 人工智能对减少放射科医生在乳腺癌查中的工作量的影响需要进一步阐明.

研究的目的:

• 评估基于人工智能的选对减少放射科医生在乳房镜中的工作负载的有效性.
• 评估AI分类是否可以保持乳腺癌检测的非劣质灵敏度.

主要方法:

• 在PubMed,EMBASE,Cochrane Central和Web of Science的系统文献搜索中,寻找乳房影像分类中的AI算法.
• 对来自同质研究的数据进行比例元分析,以确定工作量减少和癌症检测灵敏度.
• 分析包括156,852次乳房扫描检查.

主要成果:

• 以人工智能为基础的分类,在最佳参数的情况下,放射科医生的工作量减少了68.3%.
• 该系统在乳腺癌检测方面实现了93.1%的灵敏度.
• 报告的特异性为68.7%.

结论:

• 深度学习计算机辅助分类有效地减少了乳腺癌查乳房造影中的工作量,同时保持了高灵敏度.
• 尽管实施复杂,但人工智能是优化放射学医疗资源的有希望的工具.