人工智能增强型乳房造影与乳腺癌检测的数字乳房图解:临床价值和与人类表现的比较
Daphne Resch1, Roberto Lo Gullo1, Jonas Teuwen1
1From the Department of Biomedical Imaging and Image-guided Therapy, Division of Molecular and Gender Imaging, Medical University of Vienna, Austria (D.R.); Department of Radiology, Breast Imaging Service, Memorial Sloan-Kettering Cancer Center, New York, NY (R.L.G., J.T.); Center for Medical Physics and Biomedical Engineering, Medical University Vienna, Vienna, Austria (F.S., J.H.); St Francis Hospital Vienna, Vienna, Austria (A.R.); Sigmund Freud University Medical School, Vienna, Austria (A.R.); and Department of Radiology, Division of Breast Imaging, Columbia University Irving Medical Center, 161 Fort Washington Ave, New York, NY 10032 (K.P.).
两种用于乳房扫描的人工智能 (AI) 系统在使用数字乳腺图解合成 (DBT) 检测乳腺癌方面表现出高准确度. 然而,他们的表现低于经验丰富的放射科医生进行双读的表现.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 医疗保健中的人工智能
背景情况:
- 用数字乳腺图解合成 (DBT) 进行的乳房造影是乳腺癌查的关键工具.
- 人工智能 (AI) 系统正在越来越多地被开发出来,以帮助进行乳房图解读.
- 评估商业上可用的AI系统与人类读者的性能对于临床采用至关重要.
研究的目的:
- 为了比较两个AI系统 (Transpara和ProFoundAI) 的诊断性能,用于使用DBT检测乳腺癌.
- 为了对AI系统的性能与放射科医生进行标准护理双重阅读进行比较.
- 评估不同乳腺密度的AI性能.
主要方法:
- 从2019-2020年开始,对乳房影像与DBT检查进行了回顾性分析.
- 使用Transpara 1.7.0和ProFound AI 3.0.0对419名患者的检查进行了评估.
- 使用接收机操作特征 (ROC) 分析和DeLong测试,将AI性能与人类双重阅读进行比较.
主要成果:
- 两种AI系统都显示了恶性瘤检测的ROC曲线 (AUC) 下的高区域:Transpara (0.86) 和ProFound AI (0.93).
- 人类双重读取实现了更高的AUC (0.98).
- 对两种AI系统都确定了特定的灵敏度和特异性值,ProFound AI在排除标准中显示出更高的特异性.
结论:
- 商业上可用的AI系统在使用DBT检测乳腺癌方面表现出显著的能力.
- 虽然有效,但这些人工智能系统的性能目前落后于专家人类双重阅读.
- 进一步的研究和开发可能会提高乳腺癌查的AI性能.
