2022年5月16日-iCAD公司公司是全球医疗技术的领导者,提供创新的癌症检测和治疗解决方案,今天宣布有前景的临床研究支持深刻的AI®风险为数字乳腺Tomosynthesis(DBT) -世界上第一个临床决策支持工具,提供基于年龄的准确的短期乳腺癌风险估计,乳腺密度而且乳腺最近发表在同行评议期刊上,科学转化医学.(四)
在这项研究中,有154,200名女性在四个参与的美国筛查点接受了筛查[v]使用2014-2019年的DBT,瑞典斯德哥尔摩卡罗林斯卡学院的研究人员发现,ProFound AI Risk准确地确定了患乳腺癌风险较高的女性,受试者工作特征曲线(AUC)下的面积为0.824(95% CI 0.79 - -0.85)。AUC是一种标准的绩效测量方法,它将敏感性和特异性结合到整体绩效的单一指标中。该数据支持iCAD的内部研究,该研究此前发现DBT的深度人工智能风险的AUC为0.80 (95% CI 0.76, 0.83)。(六)
“iCAD乳房AI套件提供了无与伦比的乳腺癌检测、密度评估和短期风险评估AI解决方案的完整组合,我们很高兴看到这些令人信服的数据进一步验证了ProFound AI risk的临床价值,这是我们乳房AI组合的最新成员。”iCAD公司总裁兼首席执行官Stacey Stevens说:“传统上,医生通过检查患者已知的风险因素来估计乳腺癌的风险,比如家族史,但约85%的乳腺癌发生在没有乳腺癌家族史的女性身上。(七)此外,传统的长期风险模型可能无法准确估计女性患乳腺癌的风险,因为它们的平均AUC约为0.60。(八)ProFound AI Risk提供了一种更加个性化的方法,因为它包含了女性的乳房x光检查图像,并专注于未来1 - 2年的时间,这提供了关键信息,可以帮助临床医生根据患者在下次筛查前或下次筛查时发生癌症的个人风险,为患者制定个性化的乳腺癌筛查方案。”
已建立的生活方式-家族风险模型,如Tyrer-Cuzick和Gail,目前在美国被用于确定终身患乳腺癌风险大于20%的妇女,可以提供乳房磁共振成像(MRI)作为乳腺癌检测的补充筛查方式。4然而,这些长期风险模型可能会由于低到中等的歧视表现而导致大量的假阳性。(第九)ProFound AI Risk是对传统风险模型的补充,而且很容易被临床医生和医疗机构采用,因为它只需要2D或3D乳房x光片的图像,不需要问卷调查、入口或实施人员。
根据美国的指导方针,研究人员确定14%的女性在阴性或良性筛查后处于高风险,与一般风险人群相比,她们患乳腺癌的风险高出近20倍。在这一高危组中,观察到76%的II期或晚期癌症、59%的0期癌症和58%的1期癌症。
研究人员估计,如果根据深度人工智能风险DBT模型为12%的高危女性提供补充筛查,可能会发现高达59%的癌症,而使用Tyrer-Cuzick模型的癌症只有24%。这相当于比Tyrer-Cuzick法高2.4倍的灵敏度。
“我们的研究表明,那些被深度人工智能风险确定为高风险的女性更有可能出现晚期肿瘤,而不是早期癌症,”该研究的主要作者、卡罗林斯卡学院的Mikael Eriksson博士说。“众所周知,在诊断后的头四年里,II期和III期乳腺癌患者的存活率比0期和I期乳腺癌患者的存活率低4到12倍。此外,在诊断后的头24个月内,II期和III期癌症的治疗费用是0期和I期癌症的两倍多。ProFound AI Risk提供了帮助放射科医生完善个性化筛查建议并与女性讨论风险的潜力,这反过来可能影响她们的筛查方案依从性,并可能导致更早发现、降低治疗成本和改善结果。”
研究人员还发现,在评估浸润性和原位癌症、筛查发现和间隔性癌症的未来风险方面,以及在乳腺致密和非致密的女性中,ProFound AI Risk提供了很高的准确性。
“从治疗到结果,早期癌症检测对女性有巨大影响。由于妇女往往是照顾者,改善妇女健康的结果还可以为儿童、家庭和社区带来连锁效应,”史蒂文斯补充说。“只有iCAD的乳房AI套件为临床医生提供了前所未有的洞察每个患者的现在和未来,这提供了改变女性结果和生活轨迹的潜力。”
更多信息:www.icadmed.com
引用:
[我]Eriksson, M等。一种预测乳腺癌和指导临床护理的数字乳腺断层合成的风险模型。科学转化医学,14(644)。2022年5月11日。通过访问https://www.science.org/doi/10.1126/scitranslmed.abn3971.
(二)Breastcancer.org。美国乳腺癌统计。通过访问https://www.breastcancer.org/symptoms/understand_bc/statistics.
[3]参与美国筛查的地点:佛罗里达州博卡拉顿地区医院;伊丽莎白温德乳房护理,罗切斯特,纽约;Larchmont,新泽西;Zwanger-Pesiri放射学,林登赫斯特,纽约。
(四)Eriksson, M等。一种预测乳腺癌和指导临床护理的数字乳腺断层合成的风险模型。科学转化医学,14(644)。2022年5月11日。通过访问https://www.science.org/doi/10.1126/scitranslmed.abn3971.
[v]参与美国筛查的地点:佛罗里达州博卡拉顿地区医院;伊丽莎白温德乳房护理,罗切斯特,纽约;Larchmont,新泽西;Zwanger-Pesiri放射学,林登赫斯特,纽约。
(六)文件中的iCAD数据。每个供应商和人群可能会发生变化。ProFound AI Risk是一款临床决策支持工具。信息由医生审阅。所有的护理决定都由医生决定。
(七)Breastcancer.org。美国乳腺癌统计。通过访问https://www.breastcancer.org/symptoms/understand_bc/statistics.
(八)Eriksson M, Czene K, Strand F等。确定需要补充筛查的乳腺癌高危妇女。2020年9月8日。通过访问https://doi.org/10.1148/radiol.2020201620.
(第九)M. H. Gail, R. M. Pfeiffer,乳腺癌风险模型的咨询、预防和筛查要求。j .国家的。癌症杂志110,994-1002 (2018)