将人工智能与DBT相结合需要更多的研究和透明度

根据12月1日在RSNA年会上发表的一份报告，将数字乳房断层合成(DBT)和人工智能(AI)相结合可以对乳腺癌的结果提供更多帮助，但需要更严格的试验。

在她的演讲中，宾夕法尼亚大学的Emily Conant博士谈到了在人工智能的帮助下DBT的机会，包括提高准确性和效率、减少图像解释的可变性以及更好地评估乳腺癌风险。

“我希望你记住并时刻为我们的病人着想，”科南特说。“我们真正想要的是改善他们的结果。”

DBT已在美国市场上市10年，并因其比传统乳房X线照相术具有更高的准确性而受到研究人员的吹捧。与此同时，人工智能相关研究多年来在各种临床应用中不断发展，包括乳房成像，以及帮助放射科医生进行图像采集和解释。

科南特在她的演讲中引用了几项支持人工智能在DBT中使用的研究，包括她领导的一些研究。

在她于2019年领导的一项回顾性DBT读者研究中，她和她的团队发现，读者看到他们的接收器操作特征(ROC)分数在人工智能的帮助下有所提高。曲线下面积(AUC)增加了5.7%。这包括灵敏度提高8.4% 和特异性提高6.9%。回忆率和阅读时间也分别下降了7.2%和52.7%。然而，研究中没有包括假阴性。

当与放射科医生一起使用或单独使用时，将人工智能与数字乳房断层合成相结合已显示出前景。

当与放射科医生一起使用或单独使用时，将人工智能与数字乳房断层合成相结合已显示出前景。Emily Conant博士领导的一项研究在RSNA年会上就这一主题发表了主题演讲，发现使用这种组合方法时曲线下面积、特异性和敏感性增加，而召回率和阅读时间减少。然而，科南特说，除其他外，还需要更严格的前瞻性临床试验。

科南特引用的另一项读者研究发表于2021年，研究人员发现，在单视图、广角DBT方面，在人工智能的帮助下，读者的AUC、敏感性和特异性有所提高。虽然阅读时间保持不变，但独立AI的AUC高于普通读者（0.90对 0.85）。

对于分类，科南特说带有DBT的人工智能可以帮助解决劳动力短缺问题。她在2021年引用的一项研究结果表明，人工智能通过将工作量减少72.4%并将召回率从4.4%降低到3.7%来帮助DBT双读。对于单次阅读，工作量也减少了72.4%。

科南特还领导了一项在2021年欧洲放射学大会上提出的研究，研究人员发现DBT-AI以0%的假阴性率进行分类可识别33.4%的筛查检查。该团队还发现，通过将病例评分与年龄和密度相结合，分类可能会增加到58.6%。在风险评估方面，带有AI的DBT也显示出前景。科南特引用的一项于2020年发表的欧洲研究的作者发现，当将生活方式和家族风险以及多基因风险评分等因素添加到两年风险AI模型时，AUC会增加。这些值显着高于单独使用多基因风险评分或Tyrer-Cuzick模型。

下一个是什么？“很多步骤，”科南特说。

其中包括具有更大、多样化人群和明确结果的严格、前瞻性临床试验，以及癌症定位。

“我们需要算法的透明度和跨多个站点的协作，这样我们才能真正提高这些算法的通用性，”科南特说。“而且我们需要标准化的结果。”

科南特还表示，在考虑使用这种组合成像方法的法律和道德后果时，应考虑安全和法规。

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