更好的人工智能算法用于乳腺癌检测是否也更好地预测风险? 一个配对的病例控制研究
Ruggiero Santeramo1,2, Celeste Damiani3,4, Jiefei Wei5
1Wolfson Institute of Population Health, Queen Mary University of London, Charterhouse square, London, EC1M 6BQ, England, UK. ruggiero.santeramo.ai@gmail.com.
Breast cancer research : BCR
|February 7, 2024
概括
人工智能 (AI) 工具在评估乳腺癌风险时显示出有前途的潜力. 对癌症检测有效的算法对风险评估也起到了很好的作用,特别是对于较大的瘤.
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
- 在瘤学瘤学.
背景情况:
- 通过人工智能 (AI) 分析的数字乳腺造影显示出在预测乳腺癌风险的效用越来越大,查后长达六年.
- 为癌症检测开发的AI算法也可能对风险评估有效,预计相关性能.
研究的目的:
- 测试假设,精通乳腺癌检测的AI算法也在风险评估方面表现出色.
- 通过使用乳房扫描数据,调查人工智能算法在癌症检测和风险评估中的性能之间的相关性.
主要方法:
- 一项病例控制研究利用了英国乳腺查计划 (2010-2019) 中3386名女性的配对乳房造影.
- 评估了包括Mirai在内的深度学习模型,用于风险评估和三个用于检测.
- 性能被评估使用匹配的曲线下面积 (AUC) 统计数据,比较风险和检测能力.
主要成果:
- 人工智能算法在风险评估 (AUC 0.59-0.67) 和检测 (AUC 0.81-0.89) 方面表现一致,Mirai 在这两项任务中都表现出优异的结果.
- 性能与癌症大小相关;检测和风险评估对于较大的癌症 (≥30毫米) 比较小的癌症 (<10毫米) 更准确.
- 与其他算法相比,Mirai在较小癌症的风险评估中表现出显著的强度 (AUC 0.64).
结论:
- 提高AI检测较小癌症的能力可以提高乳腺癌风险评估的准确性.
- 最先进的AI检测算法在小癌症上具有高性能,在风险评估中也可以取得相似的成功.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:41Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases
Published on: May 17, 2019
9.0K
