根據(jù)放射學(xué)：人工智能中的一項研究，人工智能 (AI) 工具可以準確、一致地對乳房 X 線照片上的乳房密度進行分類。
乳房密度反映了乳房 X 線照片中常見的乳腺纖維腺體組織的數(shù)量。高乳房密度是獨立的乳腺癌危險因素，其對潛在病變的掩蔽作用降低了乳房X線照相術(shù)的敏感性。因此，美國許多州都有法律要求乳房致密的女性在進行乳房 X 光檢查后必須得到通知，以便她們可以選擇接受補充檢查以提高癌癥檢測率。
在臨床實踐中，乳房密度是通過雙視圖乳房 X 線照片目測評估的，最常見的是美國放射學(xué)會乳房成像報告和數(shù)據(jù)系統(tǒng) (BI-RADS) 四級量表，范圍從幾乎完全脂肪乳房的 A 類到D 類非常密集。該系統(tǒng)有局限性，因為視覺分類容易出現(xiàn)觀察者之間的差異，或者兩個或更多人之間的評估差異，以及觀察者內(nèi)部的差異，或者同一個人在重復(fù)評估中出現(xiàn)的差異。
為了克服這種可，的研究人員開發(fā)了一種乳房密度分類軟件，該軟件基于一種稱為卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習的人工智能，這是一種復(fù)雜的人工智能，能夠辨別圖像中的細微圖案，超出人眼的能力。研究人員在七位經(jīng)驗豐富的放射科醫(yī)師的監(jiān)督下對名為 TRACE4BDensity 的軟件進行了培訓(xùn)，他們獨立地對 760 幅乳房 X 線照片進行了視覺評估。
該工具的外部驗證由三位最接近共識的放射科醫(yī)師對從不同中心獲得的 384 張乳房 X 線攝影圖像的數(shù)據(jù)集進行。
TRACE4BDensity 在區(qū)分低密度(BI-RADS A 和 B 類)和高密度(BI-RADS C 和 D 類)乳腺組織方面的準確率為 89%，該工具與三個讀取器之間的一致性為 90%。所有分歧都在相鄰的 BI-RADS 類別中。
“該工具的特殊價值在于有可能克服視覺人體密度分類的次優(yōu)再現(xiàn)性，這限制了其實際可用性，”來自米蘭的 Centro Diagnostico Italiano 的研究合著者 Sergio Papa 醫(yī)學(xué)博士說。“擁有一個以標準化方式提出密度分配的強大工具可能對決策有很大幫助。”
研究人員表示，這種工具將特別有價值，因為乳腺癌篩查變得更加個性化，密度評估是風險分層中的一個重要因素。
“諸如 TRACE4BDensity 之類的工具可以幫助我們建議乳房致密的女性在乳房 X 光檢查陰性后，使用超聲波、MRI 或?qū)Ρ仍鰪娙榉?X 光檢查進行補充篩查，”該研究的合著者、IRCCS Policlinico San 的醫(yī)學(xué)博士 Francesco Sardanelli 說。圣多納托的多納托。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！