用于评估数字乳房扫描定位的人工智能揭示了持续存在的挑战
Laurie R Margolies1, Georgia G Spear2,3, Jennifer I Payne4,5
1Department of Diagnostic, Molecular and Interventional Radiology, Icahn School of Medicine at Mount Sinai, Mount Sinai Health System, New York, NY, USA.
Journal of breast imaging
|May 30, 2025
概括
人工智能 (AI) 在两个卫生系统中识别了乳房影像定位质量的常见问题. 这些数据可以通过有针对性的教育来改善乳房扫描查.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 医疗诊断的质量提高 医疗诊断的质量提高
背景情况:
- 乳腺癌检测依赖于最佳的图像质量,严重受患者定位的影响.
- 传统的评估乳房造影定位质量 (MPQ) 是主观的,缺乏标准化.
- 需要客观的评估方法来识别和量化定位缺陷.
研究的目的:
- 利用人工智能 (AI) 对数字查乳房影像进行乳房影像定位的客观评估.
- 识别和量化特定的未满足的乳房学定位质量 (MPQ) 标准.
- 为了比较不同医疗保健系统之间未满足的MPQ标准的分布和发生情况.
主要方法:
- 利用了126,367个数字乳房扫描研究 (553,339张图像) 的大量数据集.
- 开发并应用MPQ AI算法来评估未满足的定位标准 (例如PNL长度,胸部肌肉包含,图像中心).
- 在两个卫生系统中比较了未满足的MPQ发生率和排名顺序的相似性.
主要成果:
- 人工智能算法在两个卫生系统中确定了大量未满足的MPQ标准.
- 最常见的未满足的MPQ标准包括短的后乳头线 (PNL) 长度,不足的胸部肌肉,以及过度夸张的尾 (CC) 视图.
- 在两种卫生系统之间未满足MPQ标准的排名顺序或概率分布中没有发现统计学上显著的差异 (P = .844和P = .92).
结论:
- 人工智能有效地确定了在两个卫生系统的常规临床实践中未达到的乳房造影定位质量的一致模式.
- 这些发现突出了乳房镜定位缺陷的常见领域.
- 这些客观数据可以为制定有针对性的教育策略提供信息,以提高乳房造影质量和提高癌症检测率.
