基于人工智能的瘤大小测量:与病理学一致,并与人类读者在多种成像方式的评估进行比较

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 准确的乳腺癌瘤大小测量对于治疗规划和反应评估至关重要.
• 传统的成像方法,如乳房影像,超声波和MRI,在精确的瘤划分方面存在局限性.
• 人工智能 (AI) 在医学成像中为自动化和准确的瘤大小评估提供了潜力.

研究的目的:

• 评估基于人工智能的瘤大小测量和乳腺癌的最终组织病理学之间的协议.
• 将AI测量的准确性与其他成像方法 (乳房影像,超声波,MRI) 进行比较.

主要方法:

• 对925名女性的936种乳腺癌的回顾性分析.
• 在10%,50%和90%的异常分数下使用后处理的乳房图像进行AI瘤大小测量.
• 使用类内相关系数 (ICC) 评估绝对一致性,与组织病理学和其他成像学相比较.

主要成果:

• 在50%的异常得分下,AI瘤大小测量表明与组织病理学有中等一致性 (ICC=0.54).
• 人工智能一致性与乳房检查 (ICC=0.54) 相当,但对于特定的亚型,如管道癌 in situ 和 HER2 阳性癌症,则优越.
• 在AI测量和病理学之间观察到显著的差异 (52.0%),特别是在年轻的患者中,那些有密集乳房或多焦点疾病的患者中.

结论:

• 以人工智能为基础的瘤大小测量在50%的异常显示中度同意他的病理学,但有局限性.
• 超过一半的病例存在不一致,这突显出需要在乳腺癌成像中进一步改进人工智能.
• 人工智能是有前途的,但需要进一步的研究来提高精度和临床实用性,与乳房影像相比.