人工智能和患者护理的一致性:一项大规模的纵向研究,对乳房扫描密度评估进行了纵向研究

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 乳腺密度评估对于乳房摄影的解释至关重要.
• 乳腺密度读数的纵向一致性对于监测乳腺健康很重要.
• 人类解释的变化可能会影响患者的护理.

研究的目的:

• 通过人工智能 (AI) 模型与人类放射科医生进行的乳腺密度评估的纵向一致性进行比较.
• 评估AI是否可以随着时间的推移提供更稳定的乳腺密度读数.

主要方法:

• 在50个美国站点进行了对大型乳腺造影数据集 (214,158项检查来自61,177名女性) 的回顾性分析.
• 对AI和39名放射科医生进行了分析,对4类和二元乳腺密度的纵向模式 (恒定,上升,下降,双向) 进行了分析.
• 配对比例假设测试用于比较AI和放射科医生的表现.

主要成果:

• 与放射科医生相比,人工智能模型显示了持续纵向密度模式 (81.0%与56.8%,P<.001) 的显著更高率,双向模式 (4.9%与15.3%,P<.001) 的较低率.
• 这些发现在各种子集分析中是一致的,包括控制更年期状态,BMI稳定性,观察者之间的变异性和放射科医生培训水平.
• 对于二元 (密集与非密集) 乳腺密度评估,观察到类似的一致性改善.

结论:

• 人工智能模型比解释放射科医生提供更纵向一致的乳腺密度评估.
• 人工智能在乳腺密度评估中的增强一致性为改善下游患者护理提供了潜力.