Radiology 科学论著摘要(2023 年3 月、4 月杂志)
2023-08-16
○乳腺成像
基于2 个国家的乳腺X 线检查数据构建多模式的人工智能虚拟活检模型(DOI:10.19300/j.2023.r0301)
Virtual Biopsy by Using Artificial Intelligence-based Multimodal Modeling of Binational Mammography Data (DOI:10.1148/radiol.220027)
V.Barros,T.Tlusty,E.Barkan,E.Hexter,D.Gruen,M.Guindy,et al.
摘要基于人工智能(AI)的计算模型越来越多地用于诊断乳腺恶性病变。然而,根据医学影像对病变进行如同活检结果般详细的、特定的病理亚型评估仍然是一个挑战。目的基于乳腺X 线片和有组织病理学信息的电子健康记录,开发一种能够识别乳腺病变亚型的AI 模型。资料与方法回顾性收集9 234 名接受数字乳腺X 线检查的女性的26 569 张影像,用以预训练算法。训练集数据包括2013 年3 月—2018 年11 月期间的病人,至少有1 年临床和影像学检查史,且均后经活检组织病理学确诊。使用2 个数据集,分别包括2 120名以色列女性和1 642 名美国女性,独立训练1 个卷积神经网络和监督学习算法相结合的模型来预测乳腺病变。使用受试者操作特征曲线下面积(AUC)和DeLong 法估计95%可信区间(CI),并用Bootstrapping 方法检验结果。结果以色列模型在456 名女性中得到验证,并在441 名女性中进行了测试[平均年龄(51±11)岁]。美国模型在350 名女性中得到验证,并在344 名女性中进行了测试[平均年龄(60±12)岁]。预测了测试集中的恶性肿瘤(包括220 例以色列和126 例美国的导管原位癌或浸润性癌病人),预测以色列和美国病人的AUC值分别为0.88(95%CI:0.85~0.91)和0.80 (95%CI:0.74~0.85)(P=0.006)。这些结果可能不适用于其他队列的病人,应进一步研究其在不同人群中的泛化能力。结论当数据量足够大时,AI 用于临床和乳腺X 线影像可以识别乳腺病变亚型,有助于评估诊断工作流程,并减少活检采样误差。
原文载……
