人工智能模式在乳腺损伤超声波诊断中的比较研究
Yu-Ting Hong1, Zi-Han Yu1,2, Chen-Pin Chou1,3,4
1Radiology Department, Kaohsiung Veterans General Hospital, Kaohsiung 813414, Taiwan.
Diagnostics (Basel, Switzerland)
|March 13, 2025
概括
S-Detect人工智能系统为乳腺病变诊断提供了三种模式. 高精度模式显示出卓越的性能,特别是对于特定的损伤大小,而高灵敏度模式与放射科医生的能力相匹配.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 乳腺癌的诊断 乳腺癌的诊断
背景情况:
- 准确的乳腺病变诊断对于有效的治疗至关重要.
- 超声波仍然是乳腺损伤评估的主要成像方法.
- 人工智能驱动的工具正在出现,以提高放射学诊断的准确性.
研究的目的:
- 评估S-Detect用于乳腺病变的三个AI模式 (HSe,HAc,HSp) 的诊断性能.
- 将AI模式的性能与临床环境中的放射科医生诊断进行比较.
- 评估患者年龄和病变大小对诊断性能的影响.
主要方法:
- 对来自232名女性的260个乳腺病变进行了回顾性分析.
- 使用S-Detect的高灵敏度 (HSe),高精度 (HAc) 和高特异性 (HSp) AI模式进行评估.
- 通过ROC曲线分析进行比较,并对年龄和病变大小进行亚组分析.
主要成果:
- HAc模式实现了最高的整体准确度 (86.2%) 和正预测值 (71.3%).
- HSp模式显示出最高的特异性 (95.8%),而HSe显示出高灵敏度 (95.7%).
- 在各个年龄组和1-2厘米和2厘米以上的病变中,HAc始终产生了最高的AUC;HSe在1厘米以下的病变中是最好的.
结论:
- S-Detect HSe模式的性能可与经验丰富的放射科医生相美.
- HAc和HSp模式为定制的诊断方法提供可调节的灵敏度和特异性.
- 患者年龄和病变大小显著影响所有S-DetectAI模式的诊断性能.
