人工智能可以帮助减少DBT的工作量吗？

2022年1月21日 -- 根据1月18日发表在《Radiology》上的研究表明，人工智能（AI）可以帮助放射科医生在阅读数字乳房断层合成（DBT）图像时减少近40%的工作量。

由以色列海法大学的Yoel Shoshan和Ran Bakalo领导的团队开发了一个人工智能模型，他们说这个模型可以筛出没有癌症的病例，并在准确性方面与放射科医师保持一致。

该小组写道："由于99.5%的筛查结果是没有癌症的，部署这样一个人工智能系统来优化筛查阅片可能具有实质性的价值。"

DBT的使用预计会在全球范围内增长，之前的研究显示与传统的乳腺X光检查相比,DBT能够提高癌症检测率并降低召回率（根据句意应该是减少召回率）。然而，研究人员指出，使用DBT的一个缺点是它需要大约两倍于普通乳腺X光检查的阅片时间。这意味着放射科医生的工作量更大，筛查项目的成本更高。

先前的研究还表明，人工智能可以帮助节省时间并减少乳腺放射科医生的工作量。Shoshan、Bakalo及其同事想验证他们的人工智能模型筛出正常DBT的能力，以减少筛查工作量，同时提高诊断准确性。

该团队开发的模型，通过了9,919名妇女的13,306次DBT检查，来训练。他们分成了由3,948名妇女（804名癌症）组成的训练集，由1,661名妇女（182名癌症）组成的验证集，以及由4,310名妇女（453名癌症）组成的测试集。

在这项研究中研究人员使用了测试集的数据，其中包括2013年至2018年间进行的总共5,182次DBT检查。测试集中的妇女平均年龄为60岁。该模型还被用于一个模拟工作流程中，当它将病例分类为非癌症时，这些病例就可从筛查工作列表中剔除。

研究人员发现，该模型将筛查工作量减少了39.6%，灵敏度为90.0%，而放射科医生的灵敏度为90.8%（P < 0.001）。该模型还筛出无癌病例，从而使本来要召回的妇女人数减少了25%（6.9%对9.2%）（P < 0.001）。

人工智能系统还通过对五位乳腺放射科医生阅读205名妇女的DBT乳腺X光片的阅片研究进行了评估。独立人工智能的曲线下面积（AUC）为0.84，而放射科医生阅片的曲线下面积为0.81（P = 0.002）。

研究人员设想他们的模型在临床环境中实施后会影响三个不同的层面：减少放射科医生的工作量和疲劳，改善工作流程并进一步为卫生系统的DBT扫清道路，以及减少不必要的召回、女性受到的压力和放射辐射。

"未来的研究应包括我们对人工智能模型进行的前瞻性评估，以评估将从前瞻性阅读工作列表中删除的DBT检查的百分比，并评估医生在阅读剩余病例时的表现。"研究人员写道，“未来的研究还应该评估对不同DBT制造商的可推广性。"

耶鲁大学的Liane Philpotts博士在一篇特邀评论文章中呼吁进行前瞻性研究，以确定人工智能如何转变在真正临床环境应用，她还指出，信任人工智能对放射科医生和患者来说都还是一个挑战。

"作为放射科医生，我们与人工智能的关系肯定会随着时间的推移而发展。放射科医生需要接受并帮助改造正在研发的技术，"Philpotts写道。"我们要持之不懈努力，如Shoshan等人的研究那样，在改善放射科医生的工作流程和阅片信心以及改善病人治愈率方面取得进展。"

本篇为新闻译文，全篇原文发表于AuntMinnie.com，作者为该网站特约撰稿人Amerigo Allegretto