整合人工智能到乳房扫描查计划的策略:一个追溯的模拟分析分析

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 乳房扫描查计划旨在早期发现癌症,但在效率和准确性方面面临挑战.
• 整合人工智能 (AI) 有潜力支持放射科医生并改善查指标.
• 不同的人工智能整合策略在乳房镜查中的比较性能尚未得到充分理解.

研究的目的:

• 为了比较七个不同的AI整合策略在乳房镜查中的程序级性能指标.
• 评估AI对癌症检测率 (CDR),召回率和放射科医生的工作量的影响.
• 评估人工智能检测到的癌症阶段和等级的分布及其定位精度.

主要方法:

• 通过使用来自德国,英国和瑞典的大规模乳房造影数据集,对七个人工智能集成策略进行了回顾性比较评估.
• 使用了商业上可用的AI模型 (Vara版本2.10).
• 与现有的查计划数据相比,模拟的绩效指标包括癌症检测率 (CDR),召回率和工作负载减少.

主要成果:

• 与德国程序相比,独立的AI实现了非劣质的CDR,并减少了回忆. 单个阅读器的替换改善了CDR,并减少了49%的工作负载.
• 德国的程序级决策转移显示了较高的CDR (6.85),更低的召回 (3.55) 和84%的工作负载减少.
• 在英国,人工智能策略改善了CDR而不增加回忆,实现了显著的工作量减少 (高达95%). 瑞典数据显示,CDR增加了17.7%,计划层面的决策转移和92%的工作量减少.

结论:

• 对人工智能整合到乳房镜查中的决策转介策略,在癌症检测率和召回率下降方面取得了最显著的改善.
• 所有评估的AI整合策略,除了正常分组外,都显示出增强乳房扫描查计划指标的潜力.
• 人工智能集成,特别是通过决策转介,为优化乳房扫描查效率和有效性提供了一个有希望的途径.