人工智能和人类读者之间的不一致回忆在数字乳房扫描查中的恶性病变的探索
Suzanne L van Winkel1,2, Ioannis Sechopoulos1,3,4, Alejandro Rodríguez-Ruiz5
1Radboudumc-Radboud University Nijmegen Medical Centre, Medical Imaging Department, Geert Grooteplein Zuid 10, 6525 GA Nijmegen, The Netherlands.
Diagnostics (Basel, Switzerland)
|June 26, 2025
概括
人工智能 (AI) 和人类阅读器在数字造乳镜 (DM) 查中发挥着互补的作用. 人工智能错过了较小的癌症,而人类读者错过了具有更高恶性瘤可能性的癌症,这表明人工智能和人类的解释挑战.
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:
- 人工智能 (AI) 整合到数字造乳镜 (DM) 查中旨在改善早期乳腺癌检测.
- 人工智能在DM查中的表现与人类观察者的表现不相同.
- 人工智能和人类解释之间的差异需要理解错过的癌症特征.
研究的目的:
- 为了识别人工智能或人类查错过的真实癌症的形态图像特征.
- 分析多机构数字造乳镜数据集中的不一致的解释.
- 为了比较AI错过的癌症特征与人类读者错过的癌症特征.
主要方法:
- 对26例乳腺癌阳性病例的回顾性分析,AI和人类解释不一致.
- 读者研究涉及14名放射科医生评估病变的可见性,形态和恶性瘤的可能性.
- 使用接收器操作特征 (ROC) 分析和曲线下的面积 (AUC) 的AI性能评估.
主要成果:
- 人工智能表现出高的区分能力 (AUC 0.903-0.946).
- 人工智能错过的癌症明显小于人类错过的癌症 (中位数9.0毫米) (中位数21.0毫米).
- 与人类错过的癌症相比,AI错过的癌症患恶性瘤的可能性较低,并且较少化.
结论:
- 人工智能错过的病变较小,较少化,并且比人类错过的癌症更低的怀疑水平.
- 解释方面的挑战是显而易见的,评审者之间的协议差到公平.
- 人工智能和人类读者似乎在乳房图解读中具有互补的作用,这表明结合方法可能会增强检测.
