根据评估乳腺密度和乳腺癌风险的不同方法,一致和不一致的乳腺密度模式
Yoosun Cho1,2, Eun Kyung Park3,4, Yoosoo Chang5,6,7
1Center for Cohort Studies, Total Healthcare Center, Kangbuk Samsung Hospital, Sungkyunkwan University School of Medicine, Seoul, Republic of Korea.
Breast cancer research and treatment
|November 1, 2024
概括
放射科医生,LIBRA软件和AI算法之间的乳腺密度评估差异影响乳腺癌风险. 一致的乳腺密度评估显示出最高的风险,但不一致的情况也表明风险增加,特别是当被AI或LIBRA识别时.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 瘤学和癌症研究研究.
背景情况:
- 准确的乳腺密度评估对于乳房扫描查和乳腺癌风险分层至关重要.
- 在人类阅读器和自动化工具之间,乳腺密度分类存在差异.
- 了解这些差异对于优化乳腺癌检测和风险预测至关重要.
研究的目的:
- 评估放射科医生,LIBRA软件和乳腺密度评估中的AI算法之间的协议.
- 研究一致和不一致的乳腺密度分类与随后的乳腺癌风险之间的关联.
主要方法:
- 追溯分析了34岁以上的韩国女性的74,610张查性乳房图.
- 放射科医生,LIBRA和AI分配的乳腺密度类别 (A-D,C/D为密度) 的比较.
- 利用Cox比例危险模型,根据密度评估一致性计算乳腺癌风险的调整危险比率 (aHR).
主要成果:
- 与非密集乳房相比,放射科医生分类的密集乳房 (aHR 2.37),LIBRA评估的密集乳房 (aHR 1.30) 和AI分类的密集乳房 (aHR 2.55) 的乳腺癌风险显著增加.
- 放射科医生和AI对一致的乳房密度评估显示了最高的风险 (aHR 3.23).
- 不一致的分类揭示了显著的风险,特别是当AI或LIBRA发现密集的乳房并未被放射科医生分类为密集时 (例如,放射科医生-非密集/LIBRA-密集:aHR 11.99).
结论:
- 通过多种方法对一致的乳腺密度评估与最高的乳腺癌风险相关.
- 不一致的评估,特别是那些由AI或LIBRA标记密度的评估,表明与一致的非密度分类相比,风险增加.
- 这些发现强调了在乳腺密度评估中解决观察者间和工具间的变异性对于准确的风险预测的重要性.
