2022年3月28日——安人工智能(AI)工具可以准确、一致地分类乳腺密度在乳房x光检查的一项研究表明放射学:人工智能.
乳腺密度反映了乳腺纤维腺组织的数量,通常在乳房x光检查中看到。乳腺密度高是一种独立的乳腺癌危险因素,其对底层病变的掩蔽作用降低了乳房x线摄影的敏感性。因此,美国许多州都有法律要求乳房致密的女性在做乳房x光检查后要得到通知,这样她们就可以选择接受补充检查,以提高癌症检测水平。
在临床实践中,乳房密度可通过双视图乳房x线片进行直观评估,最常见的是使用美国放射学院乳腺影像报告和数据系统2022世界杯篮球预选赛赛程(BI-RADS)四类分级,从A类(几乎全脂肪乳房)到D类(密度极高)。该系统存在局限性,因为视觉分类容易出现观察者间的差异(两个或多个人之间的评估差异)和观察者内的差异(同一人反复评估时出现的差异)。
为了克服这种可变性,意大利的研究人员基于一种复杂的人工智能——深度学习和卷积神经网络——开发了乳腺密度分类软件,这种复杂的人工智能能够识别人类眼睛无法识别的图像中的细微模式。研究人员在7名经验丰富的放射科医生的监督下对名为TRACE4BDensity的软件进行了训练,这些医生独立地目测评估了760张乳房x线照片。
该工具由三名最接近共识的放射科医生对从不同中心获得的384张乳腺x线照片数据集进行外部验证。
TRACE4BDensity在区分低密度(BI-RADS A类和B类)和高密度(BI-RADS C类和D类)乳腺组织方面显示出89%的准确率,该工具与三种阅读器之间的一致性为90%。所有分歧均属于相邻的BI-RADS类别。
该研究的共同作者说:“这个工具的特殊价值在于,它有可能克服视觉人类密度分类的次优再现性,这限制了它的实际可用性。塞吉奥爸爸,医学博士,来自意大利米兰的意大利诊断中心。“有一个强大的工具,以标准化的方式提出密度分配,可能会对决策有很大帮助。”
研究人员说,随着乳腺癌筛查变得更加个性化,密度评估成为风险分层的一个重要因素,这样的工具将特别有价值。
该研究的共同作者说:“像TRACE4BDensity这样的工具可以帮助我们建议乳腺密度较高的女性在乳房x光检查结果为阴性后,用超声波、核磁共振或增强造影进行补充筛查。弗朗西斯科·Sardanelli,医学博士,来自意大利圣多纳托的IRCCS Policlinico。
研究人员计划进行更多的研究,以更好地了解该软件的全部功能。
该研究的合著者说:“我们希望进一步评估人工智能工具TRACE4BDensity,特别是在那些对女性密度规定不积极的国家,通过评估这种工具对放射科医生和患者的有用性。基督教萨尔瓦多,博士。他是大学高级研究学院IUSS Pavia的高级研究员,也是DeepTrace Technologies的联合创始人和首席执行官。
更多信息:www.rsna.org