人工智能作为在荷兰基于人口的查计划中检测临床相关的乳腺癌的独立第二读者:一项回顾性队列研究

科学领域:

• 放射学 放射学是一门学科.
• 在瘤学瘤学.
• 医疗成像医学成像

背景情况:

• 基于人口的乳腺癌查计划旨在降低死亡率.
• 目前的查方法面临的局限性包括可变的乳房镜敏感性和放射科医生的专业知识.
• 人工智能 (AI) 为提高查准确性和效率提供了一个有希望的解决方案.

研究的目的:

• 评估人工智能系统在基于人口的乳腺癌查中的性能.
• 将AI作为一个独立的读者与第二个读者与人类解释一起进行比较.
• 在各种查场景中评估AI对敏感度,特异性和召回率的影响.

主要方法:

• 一项回顾性队列研究分析了来自42,100名妇女的42,236张乳房图.
• 一个人工智能癌症检测系统 (Transpara) 处理了乳房影像.
• 性能指标 (灵敏度,特异性,回忆) 在单人阅读,双人阅读,独立的人工智能和人类-人工智能综合阅读中与荷兰癌症注册局的4年随访数据进行了比较.

主要成果:

• 结合单人阅读与人工智能,与双人阅读相比,灵敏度提高了8.4%,检测出更多的屏幕检测,间隔和未来的乳腺癌.
• 在组合方法中,在不同乳腺密度类别中没有观察到显著的性能差异.
• 人类读者错过的人工智能识别的癌症在检测时通常更大,更频繁地侵入.

结论:

• 将人工智能与单一的人类阅读器集成,可以提高乳腺癌检测,超出人类双重阅读的范围,无论乳腺密度如何.
• 有效的仲裁程序对于管理与人工智能集成相关的召回率增加至关重要.
• 人工智能通过比人类读者更早地识别更大,更具侵入性的癌症来证明临床相关性.