AI能提供准确的乳腺密度分类

2022-03-31 13:13

根据3月16日发表的《Radiology：Artificial Intelligence》的一项研究表明，一种人工智能（AI）工具可以准确对乳腺X线检查中的乳腺密度进行分类。

这项研究的合著者之一，米兰意大利诊断中心的Sergio Papa博士在RSNA发表的一份声明中说：研究数据表明，人工智能可以减少观察者在乳腺密度分类的差异。

Sergio Papa博士说：“它的实际可用性，拥有一个强大的工具，以标准化的方式进行密度分类，可能对诊断有很大帮助。”

致密型腺体被认为是乳腺癌的一个风险因素，乳腺密度较高，对潜在的病变有掩蔽作用，从而降低乳腺X线检查的敏感性。米兰大学Veronica Magni博士领导的小组指出，大家通常使用双视图乳腺X线片进行目视，根据BI-RADS四类量表进行评估，致密型腺体的女性通常会通过超声或乳腺MRI进行补充检查。

然而，使用BI-RADS乳腺密度分布评估可能会受到观察者之间和观察者内部评估差异的影响。因此，Magni及其同事进行了人工智能算法是否能减少这种差异性的研究。

研究人员说明：“这项研究的目的有两个：开发并从外部验证一个人工智能计算的全自动乳腺密度分类的软件，模仿基于共识的人类视觉评估；并评估其在临床上的一致性和可靠性。”

该小组基于2017年至2020年间获得的乳房X光片，用卷积神经网络算法，开发并使用了一种名为TRACE4BDensity的软件。该算法使用经过7名经验丰富的放射科医生解读过的380名妇女的760张侧斜位（MLO）图像进行训练；其中3名放射科医生用197名女性的384张MLO图像验证了该模型。

研究人员发现以下情况：

l与C（致密腺体）或D（极度致密腺体）类别相比，该软件在区分BI-RADS A（几乎完全是脂肪组）或B（分散的纤维腺密度）方面显示出89.3%的准确度。

l该软件与三个阅片者之间的一致性为90.4%（178/197验证乳腺X线照片）。

l该软件的可靠性kappa值为0.81。

他们总结说：“区分致密乳腺和非致密乳腺确实是最有临床意义的工作，并可能推动潜在的转诊补充筛查,AI为克服人类目视评估的差异性提供了一种强有力的方法。”

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Kate Madden Yee

AI能提供准确的 乳腺密度分类