基于人工智能的图像质量评估在乳房镜中的定位:考虑和挑战
Tina Santner1, Mickael Tardy2, Johanne-Gro Stalheim3
1Medical University of Innsbruck, Innsbruck, Austria.
Insights into imaging
|February 16, 2026
概括
人工智能 (AI) 显示了自动化乳房扫描质量评估的潜力. 然而,直接将完美-好-中度-不充分 (PGMI) 评分系统转换为人工智能算法存在重大挑战.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 放射学质量保证 质量保证
背景情况:
- 乳房造影的质量评估对于诊断的准确性至关重要.
- 当前的方法可能是主观的,耗时的.
- 人工智能 (AI) 为客观和高效的质量评估提供了一个潜在的解决方案.
研究的目的:
- 评估人工智能原型能够复制基于人类的完美好中等不充分 (PGMI) 评分系统的能力.
- 评估人工智能的可行性,以客观地管理乳房造影的质量.
主要方法:
- 开发了一种深度学习算法,用于评分800次乳房影像 (200例).
- 人工智能评级与专家放射科医生和放射科医生的共识相比较.
- 使用二次加权的科恩卡帕来衡量一致性,并分析分歧.
主要成果:
- 人工智能和人类共识之间的总体一致性在CC观点方面微弱 (κ=0.14),在MLO观点方面相当 (κ=0.25).
- 对于CC视图中的"M. Pectoralis可见性" (κ=0.75) 发现了实质性的协议,对于MLO视图中的"Pectoralis角度" (κ=0.49) 发现了适度的协议.
- 意见分歧突出了解剖学里程碑解释和分类因果关系的问题.
结论:
- 通过人工智能自动化PGMI系统具有挑战性,性能在各个子类别中各不相同.
- 人工智能具有自动诊断图像质量评估的潜力,但对评分系统的直接转换可能会导致分歧.
- 对人工智能和质量评估方法进行进一步的研究是必要的,以实现基于人工智能的客观性质量管理.
