优化人工智能值用于乳房扫描损伤检测:对诊断性能和放射科医生-人工智能不一致性的回顾性研究
Taesun Han1, Hyesun Yun2, Young Keun Sur3
1Department of Radiology, Park Heeboong Surgical Clinic, 203, Geowerk, 7, Hyowon-ro, 256beon-gil, Gwonseon-gu, Suwon-si 16571, Gyeonggi-do, Republic of Korea.
Diagnostics (Basel, Switzerland)
|June 13, 2025
概括
优化人工智能 (AI) 乳腺癌检测门可以提高准确性. 特定类别的AI值提高了放射科医生的决策能力,特别是对于密集的乳房,但需要持续监督.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 人工智能 (AI) 系统帮助放射科医生进行乳腺癌检测的乳腺镜解释.
- 固定的AI得分值可能会降低诊断性能,特别是在密集的乳房和特定的损伤类别.
- 人工智能和放射科医生评估之间的差异,特别是对于BI-RADS 4A与4B/4C病变的差异,需要调查.
研究的目的:
- 建立最佳类别特定的AI值,用于乳腺癌检测乳房影像.
- 分析BI-RADS 4A和4B/4C病变的AI预测和放射科医生评估差异.
- 评估特定类别值对诊断准确性的影响.
主要方法:
- 使用FDA批准的AI软件对194张乳房图 (76张BI-RADS 4A,118张BI-RADS 4B/4C) 进行了回顾性分析.
- 收集病变特征,乳腺密度,AI分数和病理学结果.
- 使用Youden指数分析接收器操作特性 (ROC),以确定最佳AI值.
主要成果:
- 恶性与良性病变的AI分数显著更高 (72.1对20.9,p<0.001).
- 对BI-RADS 4A (AUC=0.685) 的最佳AI值为19个,对BI-RADS 4B/4C (AUC=0.908) 的最佳AI值为63个.
- 不一致的病例显示BI-RADS 4A (AI评分≥35) 的恶性病发率为43.8%,BI-RADS 4B/4C (AI评分<35) 的恶性病发率为19.5%.
结论:
- 特定类别的AI值提高了诊断准确度,并支持放射科医生在乳腺癌查中的决策.
- 在BI-RADS 4A病例中,AI分数重叠存在局限性,需要放射科医生监督.
- 量身定制的AI整合策略对于优化其在乳房镜中的临床应用至关重要.
