放射科医生和AI对间隔乳腺癌查乳房造影的回顾性评估

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 间歇性乳腺癌 (IBC) 是在预定查乳房造影之间检测到的癌症.
• 追溯识别IBC是具有挑战性的,一些病例在初步审查时没有显示异常.

研究的目的:

• 评估人工智能 (AI) 系统在查乳腺癌风险中的能力,这些乳腺癌查 Mammograms 后来被确定为IBCs.
• 评估人工智能系统在识别可能错过的癌症和没有明显回顾性异常的癌症方面的表现.

主要方法:

• 来自瑞士计划的IBC查乳房造影的回顾性分析.
• 乳房影像由放射科医生和人工智能系统审查.
• 放射科医生将乳房影像分类为可能错过的IBC或没有回顾性异常的IBC.
• 人工智能系统提供了病例评分和预后风险类别.

主要成果:

• 人工智能系统将潜在错过的IBC与没有回顾性异常的IBC相比,赋予了更高的风险得分 (平均病例得分为54.1比23.1高).
• 很大一部分IBC (25.2%) 的AI病例得分为50或更高,表明风险较高.
• 人工智能系统在乳房影像中确定了风险,而放射科医生最初没有发现异常,这表明有改善检测的潜力.

结论:

• 人工智能系统可以在间歇性乳腺癌查乳房影像中识别更高的乳腺癌风险.
• 人工智能系统表现出有效性,特别是在可能错过的IBC以及在没有追溯异常的情况下.
• 这些发现表明,人工智能可以提高乳房扫描查质量,并可能减少间隔乳腺癌的发生率.