一个半自主深度学习系统,以减少查乳房扫描中的假阳性
Stefano Pedemonte1, Trevor Tsue1, Brent Mombourquette1
1From Whiterabbit.ai, 3930 Freedom Cir, Santa Clara, CA 95054 (S.P., T.T., B.M., Y.N.T.V., T.M., R.M.H., M.S., N.G., N.Z.D., J.S.); Onsite Women's Health, Westfield, Mass (S.H.); SSM Health, St Louis, Mo (C.M.A.); and Mallinckrodt Institute of Radiology, Washington University School of Medicine, St Louis, Mo (R.L.W.).
Radiology. Artificial intelligence
|April 10, 2024
概括
一个半自主的人工智能 (AI) 系统可以识别乳腺癌不可疑的乳房影像,显著减少假阳性和不必要的手术,而不影响癌症检测率.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 查性乳房造影对于早期发现乳腺癌至关重要.
- 假阳性结果导致患者不必要的焦虑,手术和费用.
研究的目的:
- 评估一个半自主的人工智能 (AI) 模型,用于识别负面查乳房影像.
- 评估AI模型在乳腺癌查中减少假阳性检查的能力.
主要方法:
- 一个深度学习算法在超过123,000张乳房影像上受过训练.
- 一项回顾性研究分析了三个独立的数据集 (美国和英国),包括超过14000次查性乳房镜检查.
- 人工智能性能与人类读者进行了比较,并模拟了人类-人工智能联合性能.
主要成果:
- 人工智能模型在所有数据集中显示了癌症检测率的非劣势.
- 需要放射科医生解释的查检查 (高达41.6%),回调 (高达31.1%) 和良性活检 (高达7.4%) 的显著减少.
- 这些减少在不同的美国和英国数据集中有所不同.
结论:
- 一个半自主的人工智能系统显示了提高乳腺癌查效率的潜力.
- 人工智能模型可以减少假阳性,从而减少不必要的手术,减少患者焦虑,降低医疗费用.
- 这项技术通过简化工作流程和潜在地提高查结果来支持放射科医生.
