基于人工智能的乳房扫描选算法对基于人口的查样本的性能和工作负载的潜在影响
Alyssa T Watanabe1,2, Hoanh Vu2, Chi Y Chim2
1Department of Radiology, Keck School of Medicine, University of Southern California (USC), Los Angeles, CA, USA.
Journal of breast imaging
|September 8, 2024
概括
人工智能 (AI) 选显著改善了乳房扫描的性能,降低了回忆率并增加了积极的预测值. 这种人工智能工具显示了在查乳房影像中大幅减少工作负载的潜力,而不会错过任何癌症.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 查性乳房造影对于早期发现乳腺癌至关重要.
- 目前的乳房造影工作流程面临着性能指标和工作负载需求的挑战.
- 人工智能 (AI) 为优化选过程提供了潜在的解决方案.
研究的目的:
- 评估基于人工智能的商业分拣设备在基于人口的查乳房镜样本中的性能和工作负载影响.
- 为了比较AI选性能与放射科医生报告和实际结果.
- 评估人工智能分类可以实现的理论工作量减少.
主要方法:
- 一项回顾性研究分析了2129张查性乳房图片.
- 一个商业AI分类设备将病例分类为"可疑"或"低可疑".
- 人工智能表现与放射科医生报告,实际结果和国家基准使用关键的乳房造影指标进行了比较,后续数据长达5年.
主要成果:
- 在93%的灵敏度下,人工智能分类显著改善了回忆率 (45.5%),PPV1 (119%),PPV2 (28.5%),灵敏度 (20%) 和特异性 (7.2%).
- 在93%的灵敏度下观察到62.5%的理论工作量减少,在99%的灵敏度下观察到27%.
- 在任何测试的灵敏度设置中,AI算法都没有错过任何癌症.
结论:
- 基于人工智能的分类显示了提高乳房扫描性能指标的巨大潜力.
- 人工智能工具可以在查乳房镜中大幅减少理论工作量.
- 在此模拟中实施人工智能分类并没有影响癌症检测率.
