侵袭性乳腺癌被人工智能遗漏 查乳房图片的查

科学领域:

• 放射学 放射学是指放射学
• 人工智能在医学中的应用
• 在瘤学瘤学.

背景情况:

• 对侵袭性乳腺癌特征的有限理解被人工智能遗漏在乳房影像上.
• 需要对不同乳腺癌分子亚型的AI性能进行评估.

研究的目的:

• 根据分子亚型来确定AI乳房镜评估的假阴性率 (FNR).
• 为了确定AI错过的癌症的特征和原因.

主要方法:

• 对1082名被诊断患有乳腺癌的患者的1097张乳房镜片 (2014-2020年) 的回顾性分析.
• 商业AI软件用于评估乳房影像;FNR按分子亚型计算 (光线,HER2丰富,三阴性).
• 放射科医生审查将AI遗漏的癌症分类并确定遗漏的原因.

主要成果:

• AI错过了14%的癌症;与光线 (17.2%) 和三阴性 (14.5%) (P=.001) 相比,HER2丰富亚型的FNR最低 (9%).
• 人工智能错过的癌症与年龄较小,瘤尺寸较小 (≤2厘米),等级较低,淋巴结转移较少,BI-RADS 4发现,较低的Ki-67和非乳腺区域位置有关.
• 人工智能错误的常见原因包括密集的乳房 (56),非乳腺区域位置 (22),建筑扭曲 (12),和无形微化 (5).

结论:

• 在Luminal亚型中,AI错过的癌症更频繁.
• 减少人工智能失误的策略应侧重于密集的乳房,非乳腺区域位置,建筑扭曲和无形化.
• 需要针对性改进人工智能在乳房镜解读中的性能,特别是针对特定的癌症亚型和成像特征.