使用人工智能和合成乳房摄影对数字乳腺图莫合成查的工作量减少:一个模拟研究研究
Victor Dahlblom1,2, Magnus Dustler1,3, Sophia Zackrisson1,2
1Lund University, Diagnostic Radiology, Department of Translational Medicine, Malmö, Sweden.
Journal of medical imaging (Bellingham, Wash.)
|May 2, 2025
概括
人工智能 (AI) 可以优化乳腺癌查,优先考虑高风险病例的数字乳腺断层合成 (DBT),并在低风险病例中使用更快的合成乳房造影 (SM),以增加可控工作量来增加癌症检测.
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:
- 数字乳腺图解合成 (DBT) 提供高灵敏度,但需要大量的阅读时间.
- 由DBT衍生出来的合成乳腺造影 (SM) 图像的解释速度更快,可与数字乳腺造影 (DM) 相比较.
- 在乳腺癌检测中,平衡查敏感度与放射科医生的工作量是关键的挑战.
研究的目的:
- 调查人工智能 (AI) 在乳腺癌查检查分层中的使用情况.
- 确定AI是否可以将案例引导到SM或DBT读数,以最大限度地提高准确性,同时最大限度地减少工作负载.
- 将人工智能引导的阅读策略与标准阅读协议的有效性进行比较.
主要方法:
- 从马尔默乳腺图莫合成查试验中对联DM和单视图DBT的回顾性分析.
- 利用ScreenPoint Transpara 1.7 AI系统进行DBT考试分析.
- 模拟低风险病例的SM读数 (相当于DM) 和用于高风险病例的DBT读数,探索各种单双读数组合.
主要成果:
- 对30%的最高风险病例进行双读DBT,对其余的病例进行单读SM,检测出122种癌症.
- 这种方法与标准DM双重阅读的阅读工作量相匹配.
- 与DM双读相比,实现了28%更多的癌症检测,并捕获了完全DBT双读发现的96%癌症.
结论:
- 人工智能可以在DBT程序中有效地分层乳腺癌查检查.
- 高风险病例受益于DBT读数,而SM对于低风险病例是足够的.
- 这种人工智能驱动的策略与单独DM相比,显著增加了癌症检测,只增加了阅读工作量的一小部分,这就需要进行前性研究.
