超声波S-detect系统可以提高经验较少的放射科医生的诊断性能,以区分乳腺质量:一项追溯双中心研究

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 通过超声波 (US) 图像对乳腺质量的准确诊断对于有效的乳腺癌管理至关重要.
• 放射科医生的表现可能会有所不同,并且不断寻求提高诊断准确性的工具.
• S-detect系统是一种人工智能工具,旨在帮助解释医疗图像.

研究的目的:

• 评估S-detect系统辅助的放射科医生与放射科医生或单独使用S-detect系统在美国图像上诊断乳腺质量的表现.
• 评估S-detect系统对诊断准确度指标的影响,例如假负率和接收器操作特征曲线 (AUC) 下的面积.
• 在不同放射科医生经验水平的双中心环境中调查系统的实用性.

主要方法:

• 从两个医疗中心的美国图像中对296个乳腺质 (150个良性,146个恶性) 的回顾性分析.
• 六位放射科医生独立分析了美国的图像,然后在S-detect系统的帮助下重新分析了它们.
• 诊断性能在三个场景中进行了比较:放射科医生单独,S-detect单独,放射科医生与S-detect结合.

主要成果:

• 该S-detect系统显著降低了平均虚假负率 (FNR) 的10.7% (P < .001).
• 当放射科医生使用S-detect系统时,接收器运行特征曲线 (AUC) 下的面积从0.743提高到0.788 (P < .001).
• 在888种解释中,有77种出现了积极的图像变化 (假阳性转为真阴性,或假阴性转为真阳性),而39种出现了负面变化.

结论:

• 放射科医生在S-detect系统的协助下,在美国图像上诊断恶性乳腺质量方面表现得更好.
• 该研究强调了增强的灵敏度和AUC,特别是在具有低到中等经验水平的放射科医生中.
• 这些发现支持S-detect系统作为一种有价值的工具,用于改善多中心临床环境中的乳腺质量诊断.