人工智能应该只有在自信时才能读取乳房影像:一种混合乳腺癌查阅读策略
Sarah D Verboom1, Jaap Kroes2, Santiago Pires2
1Radboud University Medical Center, Department of Medical Imaging, Geert Grooteplein Zuid 10, Nijmegen, 6525 GA, the Netherlands.
Radiology
|August 19, 2025
概括
整合人工智能 (AI) 与乳房影像查中的不确定性量化可以显著减少放射科医生的工作量. 这种人工智能方法保持了癌症检测和召回率,提高了乳腺癌查的效率.
科学领域:
- 放射学和医学成像学 医学成像学
- 医疗保健中的人工智能
- 乳腺癌查 乳腺癌查
背景情况:
- 在基于人工智能的乳房镜解读中量化不确定性对于将人工智能集成到查程序中至关重要.
- 当前的人工智能模型需要对它们对放射科医生的工作量和诊断性能的影响进行评估.
研究的目的:
- 评估在乳房扫描查期间放射科医生工作负载的潜在减少.
- 为了评估人工智能模型的性能,将不确定性定量化纳入乳房影像解释中.
- 确定人工智能集成是否维持或改善癌症检测和召回率.
主要方法:
- 开发了一个AI模型,输出恶性瘤 (PoM) 的概率和不确定性.
- 实施了混合阅读方法:人工智能处理有信心的预测,放射科医生审查不确定的病例.
- 通过使用各种不确定性指标,对大量数据集 (41,469项检查) 进行了追溯优化和测试.
主要成果:
- 最好的不确定性指标 (平均PoM的) 允许AI读取61.9%的考试.
- 混合读数实现了回忆 (23.6‰) 和癌症检测率 (6.6‰),类似于标准双重读数.
- 人工智能模型的AUC在不确定的 (0.87) 与某些 (0.96) 预测 (P=.02) 中明显较低.
结论:
- 具有不确定性量化的AI乳房造影解释可以大幅减少放射科医生的工作量.
- 这种方法保持了与传统的双重阅读相比的癌症检测和召回率.
- 不确定性量化可以实现有效的AI集成,优化选效率.
