计算机辅助诊断的应用用于预测BI-RADS 3乳腺病变中的恶性瘤
Ping He1, Wen Chen1, Ming-Yu Bai1
1Department of Ultrasound, Peking University Third Hospital, 49 North Garden Rd., Beijing, 100191, China.
Heliyon
|February 2, 2024
概括
通过超声波检测到的BI-RADS 3病例中,S-Detect计算机辅助诊断 (CAD) 系统有效地识别了高风险的乳腺病变. 这种工具有助于区分潜在的恶性发现,指导及时的活检,并减少良性结果的患者不必要的焦虑.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 乳腺成像依赖于像BI-RADS这样的标准化分类系统来分类病变.
- BI-RADS 3病变具有低但存在恶性瘤的风险,需要谨慎管理.
- 计算机辅助诊断 (CAD) 系统有可能提高乳腺成像诊断的准确性.
研究的目的:
- 评估S-Detect CAD系统在超声波检测到的BI-RADS 3乳腺病变中识别恶性瘤的有效性.
- 评估CAD系统将BI-RADS 3病变分为风险组的能力,以改善患者管理.
主要方法:
- 一项回顾性研究包括148名患有148名超声检测到的BI-RADS 3乳腺病变的患者.
- 使用S-DetectCAD系统分析病变特征.
- 计算了关键性能指标,包括恶性瘤发生率,准确性,敏感性,特异性,PPV,NPV和AUC.
主要成果:
- 对BI-RADS 3病变的总体恶性病变率为3.4%.
- CAD系统确定了一个高风险群体,其恶性瘤率显著增加了18.2% (p=0.017).
- 通过CAD识别的低风险组显示恶性瘤率降低了0.8% (p=0.297),AUC为0.837.
结论:
- S-Detect CAD系统有效地区分高风险和低风险的BI-RADS 3乳腺病变.
- 这种分层允许低风险患者进行无忧的随访,并促使高风险患者进行活检.
- 利用CAD可以防止潜在恶性发现的患者延迟诊断乳腺癌.
