放射科医生在自动化乳房超声波检测的非质量病变的解释中的表现:使用和不使用商业上可用的AI

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 自动乳房超声波 (ABUS) 越来越多地用于乳腺癌查.
• 在ABUS上,非质量病变 (NMLs) 由于其多样化的外观而存在诊断挑战.
• 基于人工智能的计算机辅助检测 (CAD) 系统有可能提高诊断性能.

研究的目的:

• 为了比较两个AI-CAD系统对ABUS上的NML的诊断性能.
• 评估高级AI-CAD系统对放射科医生在诊断NMLs方面的表现的影响.
• 根据放射科医生经验水平,评估AI-CAD系统有效性的差异.

主要方法:

• 从2020年7月到2022年4月,对251名在ABUS接受NML患者的回顾性分析.
• 用于NML诊断的两个AI-CAD系统 (BU-CAD和QV-CAD) 的比较.
• 评估放射科医生的表现 (新手和经验丰富的) 有或没有选择的AI-CAD系统支持.

主要成果:

• 与BU-CAD相比,QV-CAD表现出更高的灵敏度 (64.3%) 和数值上更高的AUC (0.68).
• 对于所有阅读器,AI-CAD系统支持将平均AUC从0.78提高到0.83 (p=0.04).
• 新手阅读者显示AI-CAD显著改善AUC (0.73到0.80,p<0.001),而经验丰富的阅读者显示没有显著差异.

结论:

• 人工智能CAD系统可以提高放射科医生的诊断性能,用于ABUS的乳腺NML.
• 人工智能-CAD的好处在初学者读者中尤为明显.
• 人工智能-CAD系统在提高NML检测和诊断的准确性方面表现有前途.