基于深度学习的AI模型在乳腺结节的分类中的应用价值
Shaogang Zhi1, Xiaoxia Cai1, Wei Zhou1
1Department of Ultrasound, The People's Hospital of Pingyang County, Wenzhou, Zhejiang, China.
概括
这项研究开发了一种人工智能模型,以使用超声波改善乳腺结节诊断. 人工智能系统提高了诊断的准确性和一致性,减少了乳腺癌查中的错误和错误诊断.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺结节很常见,超声波查的错误阳性率很高,导致不必要的活检.
- 人工智能 (AI) 在提高诊断准确性和减少医疗评估变异性方面表现有前途.
- 本研究的重点是深度学习AI模型对乳腺结节分类的临床实用性.
研究的目的:
- 开发和评估基于深度学习的AI模型,以协助超声波仪在分类乳腺结节.
- 评估人工智能模型对诊断准确度和乳腺成像报告和数据系统 (BI-RADS) 分类中的观察者间变异性的影响.
- 将人工智能辅助诊断的诊断性能与常规超声波和仅限医生评估进行比较.
主要方法:
- 对558名患有BI-RADS类别3-5乳腺结节的患者进行了回顾性分析,病理确认.
- 在超声波图像数据集上使用卷积神经网络 (CNN) 开发深度学习AI模型.
- 使用接收机操作特征 (ROC) 曲线评估AI模型性能,并使用科恩卡帕系数评估BI-RADS分类一致性.
主要成果:
- 与常规超声波相比,AI系统获得了更高的灵敏度 (89.36%) 和精度 (91.56%) (80.85%的灵敏度,88.31%的精度).
- 人工智能模型辅助显著改善了五名超声医生 (p < 0.001) 的BI-RADS分类一致性.
- AI在区分良性和恶性乳腺结节方面表现出更好的特异性 (92.52%).
结论:
- 使用超声波图像的基于深度学习的AI模型有效地提高了良性和恶性乳腺结节的差异化.
- 人工智能模型提高了分类准确性,并减少了乳腺结节评估中的错误和错误诊断.
- 人工智能辅助诊断显示出改善临床决策和乳腺癌查患者结果的巨大潜力.
