人工智能系统的准确性,用于隔间检测乳腺癌在查性乳房扫描时的精度
Muzna Nanaa1, Vaishnavi O Gupta1, Sarah E Hickman1
1From the Department of Radiology, School of Clinical Medicine, University of Cambridge, Box 218, Level 5, Cambridge Biomedical Campus, Cambridge CB2 0QQ, England (M.N., V.O.G., S.E.H., I.A., N.R.P., O.A., Y.H., A.N.P., F.J.G.); Department of Radiology, Addenbrooke's Hospital, Cambridge University Hospitals NHS Foundation Trust, Cambridge, England (M.N., I.A., R.B., A.N.P., F.J.G.); and Department of Radiology, The Royal London Hospital, Barts Health NHS Trust, London, England (S.E.H.).
Radiology
|August 27, 2024
概括
人工智能 (AI) 系统可以通过识别人类读者错过的间隔癌症 (ICs) 来改善早期乳腺癌检测. 人工智能显示可疑和假阴性间隔癌症的局部化得到了改进,其准确性因基因病理特征而异.
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:
- 人工智能 (AI) 系统有可能在查乳房图片上识别间隔癌症 (ICs).
- 对IC的AI本地化的准确性可能是可变的,需要进一步评估.
研究的目的:
- 评估人工智能驱动的间歇性癌症 (ICs) 在查乳房影像上的定位的准确性.
- 根据IC类别和本病理学特征分析AI性能.
主要方法:
- 使用商业人工智能系统对查乳房扫描数据集 (2052例) 的回顾性分析.
- 人工智能输出包括病变热图和风险评分;专家放射学家对ICs进行了分类.
- 使用了统计比较方法 (曼 - 惠特尼U,克鲁斯卡尔 - 瓦利斯,千二测试).
主要成果:
- 与真负 (TN) 相比,可疑 (MS) 和假负 (FN) IC 的AI风险得分显著更高.
- 较高的AI分数与侵入性和高度瘤相关;AI正确地定位了76.9%的标记ICs,其特异性为96%.
- 与TN IC相比,AI对具有恶性瘤 (MS) 和FN ICs最小迹象的ICs表现出更高的定位精度.
结论:
- 独立的AI系统可以通过识别人类读者错过的IC来增强早期癌症检测.
- 人工智能局部化的准确性显示出差异,对于节点阳性癌症更高,但根据癌症类型,等级或激素受体状态没有显著差异.
- 人工智能在提高乳房扫描查准确度方面表现有前途,特别是在微妙或错过的恶性瘤中.
