增加人工智能病例恶性瘤评分,以减少乳腺查程序中的屏幕阅读工作量:追溯REAI程序的结果
Andrea Nitrosi1, Paolo Giorgi Rossi2, Laura Verzellesi3,4
1Medical Physics Unit - Oncology and Innovative Technologies Department, Azienda USL - IRCCS di Reggio Emilia, Reggio Emilia, Italy.
La Radiologia medica
|November 26, 2025
概括
将AI病例恶性瘤评分 (AI-CMS) 整合到乳房影像查中,可将放射科医生的工作量减少高达36.1%,同时保持癌症检测率. 这种由人工智能支持的策略还降低了召回率和虚假阳性率,证明了经济可持续性.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 放射学 放射学是一门学科.
背景情况:
- 乳房扫描查对于早期发现乳腺癌至关重要.
- 放射科医生的工作量会影响效率和诊断准确度.
- 人工智能算法可以为恶性瘤评估提供信心评分.
研究的目的:
- 评估一项将AI病例恶性瘤评分 (AI-CMS) 整合到乳房扫描查中的战略.
- 评估AI-CMS对放射科医生的工作量和查性能的影响.
- 为了确定AI-CMS集成的经济可持续性.
主要方法:
- 追溯分析了89,176个查性乳房造影.
- 使用AI-CMS模拟策略,以指导放射科医生召回决策.
- 评估AI-CMS关于召回率,癌症检测和工作负载的门 (5-25%).
主要成果:
- 人工智能-CMS集成减少了人类工作量13.4%至36.1%.
- 召回率下降至4.0-4.3%,假阳性率从3.9%下降至3.5-3.8%.
- 阳性预测值增加到12.6-13.3%,在5%的门下没有癌症错过.
结论:
- 人工智能-CMS支持可以显著减少放射科医生在乳房镜检查中的工作量.
- 该战略显示,在不影响癌症检测的情况下,有可能减少不必要的召回.
- 人工智能-CMS集成方法在经济上是可行的和可持续的.
