基于人工智能的两种算法的联合使用:一项回顾性模拟研究
Hee Jeong Kim1, Hak Hee Kim2, Hye Joung Eom1
1Department of Radiology and Research Institute of Radiology, Asan Medical Center, University of Ulsan College of Medicine, Seoul, South Korea.
European radiology
|August 21, 2025
概括
结合两种人工智能 (AI) 算法进行乳房图解,提高了准确性,并减少了需要放射科医生审查的乳房图数. 这种人工智能方法提高了乳腺癌查工作流程的效率.
科学领域:
- 放射学和医学成像
- 医疗保健中的人工智能
- 乳腺癌的诊断
背景情况:
- 乳房图解对于早期发现乳腺癌至关重要.
- 放射科医生的工作量可能很高,可能会影响解释效率.
- 人工智能 (AI) 算法在帮助进行乳房影像分析方面表现有前途.
研究的目的:
- 评估将两种商业AI算法用于乳房图解读的有效性.
- 使用人工智能评估不同的分类场景,以提高准确性并减少放射科医生的工作量.
- 将联合人工智能算法的性能与单一人工智能和手动解释进行比较.
主要方法:
- 分析了213例癌症病例的3012例乳房影像 (查/诊断).
- 两种AI算法 (AI-1,AI-2) 根据恶性瘤风险对乳房影像进行了分类.
- 测试了五种分类场景 (敏感,特异,保守,序列A/B),以确定召回,负分类或放射科医生审查.
主要成果:
- 灵敏模式:灵敏度为84%,优于单一人工智能和手动阅读,乳房检查减少了18.3%.
- 特异性模式:特异性高于单个AI,可与手动读取相比,乳房检查减少41. 7%.
- 其他模式对单次人工智能/手动读数具有相似的灵敏度,需要检查的乳房影像显著减少 (高达49. 8%).
结论:
- 结合两个人工智能算法可以通过提高灵敏度或特异性来增强乳房图解.
- 人工智能驱动的分类显著减少了需要放射科医生审查的乳房影像数量.
- 选择情景是关键,需要在更广泛的查群体中进行验证.
