将基于人工智能的方法的百分比乳腺密度评估与专家读者估计进行比较:观察者之间的变化
Stepan Romanov1, Sacha Howell2, Elaine Harkness1
1University of Manchester, Manchester, United Kingdom.
Journal of medical imaging (Bellingham, Wash.)
|June 16, 2025
概括
使用人工智能 (AI) 进行的自动化乳腺密度评估显示,与人类专家相比,观察者之间的协议得到了改善. 这种人工智能工具提供了一致的结果,而不会影响乳腺癌风险预测的准确性.
科学领域:
- 放射学 放射学是指放射学
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 乳腺密度是评估乳腺癌风险的一个关键因素.
- 专家手动评估乳腺扫描密度显示了观察者之间的显著差异.
- 正在开发自动化方法,以提高乳腺密度估计的一致性和准确性.
研究的目的:
- 调查专家评估者和乳腺密度估计的深度学习方法之间的跨读者变异性.
- 为了比较专家阅读器和自动深度学习模型的风险预测能力.
主要方法:
- 利用了来自1328名女性的查数据.
- 与两个专家阅读器和一个单一阅读器进行比较,与曼彻斯特人工智能 - 视觉模拟尺度 (MAI-VAS) 深度学习模型进行比较.
- 采用布兰德-阿尔特曼分析来评估可变性,并对风险预测进行匹配的一致性指数.
主要成果:
- 与两个专家阅读器 (SD ±31) 相比,MAI-VAS深度学习模型表现出相对较低的协议极限 (SD ±21).
- 一个专家对人工智能工具的观察者间协议与两个专家之间的协议相当.
- 通过深度学习方法进行的乳腺癌风险歧视与单个专家的风险歧视相似 (一致性为0.628与0.624).
结论:
- 人工智能乳腺密度评估工具MAI-VAS与两个人类专家之间的协议相比,表现出优越的观察者间协议.
- 基于深度学习的乳腺密度评估方法提供一致的得分,而不会影响乳腺癌风险预测.
