基于图像衍生的AI短期风险模型的欧洲验证,用于个性化乳腺癌查 - - 一个嵌套病例控制研究

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:

• 基于人工智能 (AI) 的乳腺癌风险模型显示出前景,表现优于传统的临床模型.
• 人工智能风险模型在不同欧洲查环境中的通用性仍未得到充分探索.

研究的目的:

• 评估基于人工智能的乳腺癌风险模型在欧洲查人群中的歧视性性能和通用性.
• 评估人工智能模型识别高风险个人的能力,以便早期发现癌症.

主要方法:

• 在2009年至2020年期间,使用四个欧洲查人口 (意大利,西班牙,德国) 的数据进行了一项嵌套病例控制研究.
• 人工智能从739例乳腺癌病例和7,812例对照的数字乳腺镜中提取了乳腺镜特征 (密度,微化,质量,不对称性).
• 预测和评估了两年的绝对乳腺癌风险,并根据临床指南报告了绩效指标.

主要成果:

• 人工智能风险模型在四个欧洲人口中实现了0.72的曲线下的整体调整面积 (aAUC).
• 在被确定为高风险的6.2%的女性中,两年内癌症诊断的风险比率为6.7,与被归类为一般风险的女性相比.
• 在不同的乳房密度水平上观察到类似的表现,包括脂肪和密集的乳房.

结论:

• 人工智能风险模型在欧洲不同乳腺癌查环境中展示了可普遍化的歧视性表现.
• 人工智能模型有效地识别出高风险女性的子集,从而有可能更早地检测出临床相关的乳腺癌.
• 该模型在有脂肪和密集乳房的女性中的一致性能支持其广泛的适用性.