多机构评估和培训乳腺密度分类人工智能算法使用ACR Connect和AI-LAB

科学领域:

• 医学成像分析分析 医学成像分析
• 医疗保健中的人工智能
• 乳腺癌查 乳腺癌查

背景情况:

• ACR Connect和AI-LAB是人工智能实施的软件平台.
• 多机构验证对于强大的AI性能至关重要.

研究的目的:

• 展示和测试ACR Connect和AI-LAB平台的能力.
• 实施多机构AI培训和验证乳腺密度分类.

主要方法:

• 一项涉及美国六家医院的概念验证研究.
• 安装 Connect 和 AI-LAB 软件.
• 训练和测试乳腺密度算法在回顾性乳房影像上.
• 记录实施时间表 (IRB批准,软件安装,培训/测试).
• 在各医院和多机构数据集之间比较算法性能.

主要成果:

• 平均IRB批准时间:66天;平均安装时间:157天;平均培训/测试时间:216天.
• 乳腺密度算法在个别医院的表现比持久性测试数据集要差,表明普遍性差.
• 局部微调模型在测试数据集上显示出混合的性能和糟糕的结果.

结论:

• 展示了Connect和AI-LAB平台的成功安装和实施.
• 该研究强调了单一数据集训练算法和特定机构微调模型的普遍性差.
• 强调在医学成像中对AI进行多机构测试和培训的重要性.