评估随着时间的推移,人工智能衍生病例得分变化的影响,对数字乳腺图莫合成查结果的影响
Samantha P Zuckerman1, Senthil Periaswamy2, Julie L Shisler1,3
1Hospital of the University of Pennsylvania, 3400 Spruce Street, 1 Silverstein Place, Philadelphia, PA 19104.
Radiology. Artificial intelligence
|January 15, 2025
概括
随着时间的推移,数字乳腺瘤合成人工智能 (DBT-AI) 病例得分的变化可以帮助放射科医生. 高的DBT-AI得分和得分变化需要仔细审查,以提高乳腺癌查准确度.
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:
- 与人工智能 (AI) 结合的数字乳腺图解合成 (DBT) 越来越多地用于乳腺癌查.
- 评估DBT-AI评分对连续查的动态性能对于优化其临床实用性至关重要.
研究的目的:
- 通过多次查检查,评估数字乳腺图莫合成人工智能 (DBT-AI) 病例得分的变化.
- 确定分数变化是否与查结果相关 (真阳性,假阳性,真阴性,假阴性).
主要方法:
- 对来自21,108名女性患者的31,741次DBT查检查的回顾性分析.
- 分析的重点是1799名患者,其中至少有两次DBT-AI查和1年的随访.
- 计算不同查结果类别的病例平均和中位数得分变化.
主要成果:
- 真正阳性 (TP) 检查显示了最高的平均DBT-AI病例得分 (75) 和最大的阳性病例得分变化 (平均21.1,中位数17).
- 真正阴性 (TN) 检查的平均病例得分最低 (34).
- 在TP和TN (P < .001) 之间以及TP和虚假阳性 (FP) (P = .02) 检查之间观察到平均病例得分变化的统计学上显著差异.
结论:
- 将DBT-AI病例得分与随时间变化的结合起来,可能有助于放射科医生做出召回决定.
- 建议对具有高DBT-AI分数和/或显著分数变化的考试进行仔细审查,以提高查性能.
