人工智能在预测B3乳腺病变恶性升级方面的诊断性能:系统审查和元分析

科学领域:

• 放射学和医学成像学 医学成像学
• 人工智能在医学中的应用
• 乳腺病理学 乳腺病理学

背景情况:

• 高风险的B3乳腺病变具有不确定的恶性潜力,需要精确的诊断方法.
• 区分良性和恶性B3病变是具有挑战性的,影响患者管理决策.

研究的目的:

• 系统地审查和元分析人工智能 (AI) 模型在预测B3乳腺病变恶性升级方面的有效性.
• 评估AI在识别适合监视的病变与需要外科切除的病变方面的表现.

主要方法:

• 一个系统的审查和对发展或验证AI模型用于B3损伤升级预测的回顾性研究的元分析.
• 纳入标准要求至少有20个B3病变的队列,通过手术切除或延长后续检查确认结果.
• 分析重点是临床上有意义的操作点,包括灵敏度,负预测值 (NPV) 和正预测值 (PPV).

主要成果:

• 三项研究 (557个病变,91个升级) 符合资格标准.
• 为高灵敏度优化的人工智能模型显示了高的聚合NPV (0.95),表明可靠的病变识别监测.
• 接收器运行特征曲线 (AUC) 下的聚合面积为0.72,表明适度的区分能力.
• 积极的预测值是适度和异质的 (0.15-1.00),突出了检测升级和避免过度处理之间的权衡.

结论:

• 人工智能模型显示,它有可能通过帮助预测恶性升级来帮助管理B3乳腺病变.
• 目前的证据,虽然受到小样本大小和单中心设计的限制,但表明人工智能可以帮助识别病变进行监视.
• 具有标准化报告的前性,多中心验证研究对于确认AI在B3病变管理中的临床实用性至关重要.