在最近发表在《放射学》杂志上的一项研究中，丹麦和荷兰的研究人员对实施人工智能(AI)筛查系统前后与乳房x光检查相关的筛查性能和总体工作量进行了回顾性分析。

背景

研究发现，定期进行乳房x光检查可以显著降低乳腺癌的死亡率。然而，基于人群的乳房x光筛查导致放射科医生的工作量大幅增加，他们的任务是阅读大量的乳房x光照片，其中大多数没有显示任何可疑的病变。

此外，为了降低误报率和提高检出率而进行的双重筛查进一步加重了放射科医生的工作量。专业放射科医生阅读乳房x光片的缺乏加剧了本已繁重的工作量。

最近的研究广泛研究了人工智能在有效筛查放射学报告中的应用，同时保持了高筛查性能标准。使用人工智能工具帮助放射科医生缩小带有病变标记的乳房x光片的范围的综合方法也被认为可以减少放射科医生的工作量，同时保持筛查的敏感性。

一个关于这项研究

本研究使用了两组接受乳房x光检查的妇女的初步表现指标，作为丹麦基于人群的乳腺癌筛查计划的一部分，以比较实施基于人工智能的筛查工具后工作量和筛查表现的变化。

这个筛查项目邀请50到69岁的女性每隔一年接受一次乳腺癌筛查，直到79岁。那些携带BRCA基因等表明乳腺癌风险增加的标记物的人，使用不同的方案进行筛选。

在这里，研究人员使用了两组女性:一组在基于人工智能的筛查系统实施之前接受了筛查，另一组接受了基于人工智能的乳房x光检查。只有70岁以下的女性被纳入分析，以确保高危亚人群中的女性不被纳入分析。

所有的参与者都接受了标准的成像方案，通过数字乳房x光片捕获颅足部全视野和中外侧斜位视图。本研究中所有阳性病例均为筛查到的导管癌或浸润性癌，并通过原位针活检确诊。病理报告、病变大小、淋巴结阳性和诊断数据也从该国的卫生登记处获得。

用于筛查乳房x线照片的人工智能系统使用深度学习模型进行训练，以检测、突出显示和评估乳房x线照片中观察到的任何可疑钙化或病变。然后，人工智能工具在1到10的分数范围内对筛查进行分层，表明乳腺癌的可能性。

一组放射科医生，主要由在阅读乳房成像结果方面经验丰富的资深放射科医生组成，为两组患者阅读乳房x光片。在实施人工智能筛查系统之前，每次筛查都由两名放射科医生阅读，只有当两名放射科医生都认为筛查值得召回时，才会建议患者进行临床检查和穿刺活检。

在人工智能筛查系统实施后，得分低于或等于5分的乳房x光片由一名高级放射科医生阅读，他知道这些乳房x光片只进行了一次阅读。然后与另一位放射科医生讨论了那些需要召回的产品。

67岁女性，乳房影像学报告和数据系统密度为1，接受人工智能(AI)系统筛查，左中外侧斜位全视野数字乳房x线片。(A)图片显示ai提供的标记(正方形)。这一动脉钙化区域被人工智能系统评为85分(满分100分)，获得了10分的高人工智能检查分数。(B)与A相同的图像，但有放射科医生的发现。由于人工智能检查得分高，两名放射科医生对筛查结果进行了复读，他们确定动脉钙化(圆圈)没有引起乳腺癌的怀疑。该妇女未被召回进行诊断评估。

结果

研究发现，实施基于人工智能的筛查系统大大降低了放射科医生分析基于人群的乳腺癌筛查项目的乳房x光片的工作量，同时提高了筛查效果。

在实施基于人工智能的筛查系统之前进行筛查的队列由6万多名女性组成，而使用人工智能系统进行筛查的队列约有5.8万名女性。人工智能筛查导致乳腺癌诊断率增加(人工智能前和人工智能后分别为0.70%和0.82%)，假阳性率较低(2.39%和1.63%)。

基于人工智能的筛查具有更高的阳性预测值，并且使用基于人工智能的方法进行筛查时，浸润性癌症的百分比较低。虽然淋巴结阴性癌症百分比没有变化，但其他性能指标显示基于人工智能的筛查显着提高了性能。阅读工作量也减少了33.5%。

结论

总而言之，该研究评估了基于人工智能的筛查系统在减少放射科医生工作量和提高丹麦两年一次的基于人群的乳腺癌筛查中乳房x光片阅读的筛查性能方面的有效性。

研究结果表明，基于人工智能的系统显著降低了放射科医生的工作量，同时提高了筛查性能，这得益于乳腺癌诊断率的大幅提高和假阳性率的显著降低。

点击分享到