【普放文献荟萃】第6期丨乳腺X线摄影的人工智能论文精选

#编者按

2024年伊始, 《放射学:人工智能专刊》发表了一篇探讨字乳腺断层成像 (DBT)中AI应用价值的论文,研究证实了AI在DBT影像解读中的重要辅助作用, 对提高筛查质量具有现实指导意义。除此之外, 我们还精选了5篇关于乳腺X线人工智能的最新研究论文与大家一同分享。


这些研究从多个角度探讨了AI技术在提高乳腺X线诊断精准度、拓展筛查覆盖范围以及减轻医生工作负担等方面的巨大潜力。同时, 通过问卷调查形式的研究也了解了医生、放射技师、患者等利益相关方对人工智能技术的态度和看法,并强调了未来进行广泛的关于人工智能的患者教育和医务人员技术指导的重要性,以确保AI技术能够高效整合进入临床决策路径,全面提升医生和患者的满意度。


文献荟萃



Article.01

用于数字乳腺断层合成的分类AI 系统

对普通放射科医生和乳腺成像专家对

乳腺癌解释的影响

关键词

计算机辅助诊断、乳腺 X 线摄影筛查、数字乳腺断层合成、乳腺癌、筛查、卷积神经网络 (CNN)、人工智能

文章信息


https://doi.org/10.1148/ryai.230137

文章要点:

· 这是一项完全平衡的多读者参与、多病例纳入的读者研究,以比较 18 名放射科医生(9 名普通放射科医生和 9 名乳腺成像专家)在使用 AI 与不使用 AI阅读 240 张回顾性收集的筛查 DBT 乳腺X线摄影的表现。


 ·每位放射科医生在使用 AI 比不使用 AI 进行阅读时都表现出更好的解释性能,平均 AUC 为 0.93 和 0.87,AUC 差异为 0.06(95% CI:0.04、0.08;P < .001)。


·普通放射科医生的AUC改善差异为0.08(P < .001),乳腺成像专家改善差异为 0.05(P < .001),在所有癌症特征亚组(病变类型、病变大小和病理学)和患者亚组(种族和民族、年龄和乳腺密度)均观察到 AUC 改善。


·分类 AI 系统有助于提高放射科医生的表现,无论对普通放射科医生和乳腺成像专家以及各种患者亚组和乳腺癌特征的 DBT 筛查乳腺X线摄影的整体解释性能均有改善。




文献荟萃



Article.02

人工智能作为乳腺癌筛查计划中附加阅读器的诊断能力

关键词

人工智能、乳腺癌、乳腺X线摄影、筛查

文章信息


https://doi.org/10.1007/s00330-024-10661-3

文章要点:

· 该研究包括8825名女性的22,621张乳腺X线摄影片,研究旨在评估人工智能在筛查计划中的早期检测能力,特别关注间歇性癌症的检测、在先前访问的人工智能的帮助下早期检测癌症,以及它对各种阅读场景的工作量的影响。


·  AI软件的AUC为89.6%。最佳阈值为30.44 (图4)。


·  将人工智能作为分诊工具纳入筛查工作流程表现出高灵敏度(72.38%)和特异性(92.86%),有效识别间隔和漏诊的癌症,检出率达到50%以上。


·  人工智能辅助分诊可有效区分低风险和高风险病例,减少70%放射科医生的工作量,并提高30.5%准确性,有可能扩大筛查覆盖范围。


·  与人类阅读相比,人工智能有可能促进早期诊断,在一些病例中比人工诊断提前近30个月发现癌症(图5)。这为患者的尽早介入治疗赢得了更多时间,有望进一步改善预后。




文献荟萃



Article.03

基于人工智能的对比增强乳腺

 X 线摄影乳腺病变分类:一项

多中心研究

关键词

人工智能、胸部、诊断、乳腺X线摄影

文章信息


https://doi.org/10.1097/JS9.0000000000001076

文章要点:

·  这项回顾性研究纳入了 1430 名在 2017 年 6 月至 2022 年 7 月期间接受 CEM 检查的合格患者,旨在建立一种基于人工智能(AI)的乳房X线摄影(CEM)术前诊断乳腺病变的方法,并探讨其生物学机制。


·AI 模型在诊断良恶性乳腺病变方面取得了 0.932 的 AUC,优于表现最好的 DL 模型、影像组学模型和放射科医生。


·AI模型在测试集中对原位癌和浸润癌的诊断也取得了令人满意的结果(AUC从0.788到0.824)。生物学基础探索表明,高危人群与细胞外基质组织等途径有关。


·基于CEM和临床特征的AI模型对乳腺病变的诊断具有较好的预测性能。



文献荟萃



Article.04

人工智能造影乳腺X线摄影在乳腺癌诊断中的验证:与组织病理学结果的关系

关键词

人工智能、乳腺癌、乳腺影像学检查、对比增强乳腺X线摄影、深度学习

文章信息


https://doi.org/10.1016/j.ejrad.2024.111392.

文章要点:

·  该研究开发并验证了一种深度学习多视图对比增强乳腺X线摄影(CEM)模型,用于对CEM低能量和重组图像进行乳腺癌检测和分类。


·  在一组37名女性的外部测试集上,该AI模型在检测乳腺癌方面,其AUC-ROC为0.936,灵敏度75%,特异度96.3%,总体准确率90.1%,与组织病理学结果和随访情况高度相关。


·  该深度学习多视图 CEM 模型,在检测乳腺癌方面显示出令人振奋的结果。为CEM图像中AI应用的进一步研究和外部验证奠定了基础。



文献荟萃



Article.05

瑞典女性对人工智能在乳腺X线摄影

中使用的看法和态度:一项定性访谈

研究

关键词

患者参与、患者满意度、放射学和影像学

文章信息


https://doi.org/10.1136/bmjopen-2024-084014.

文章要点:

· 2023 年春季,在瑞典医院招募乳腺X线摄影筛查临床试验的 16 名女性进行了半结构化访谈,旨在探讨瑞典女性对人工智能在乳腺X线摄影中的应用的看法和态度。


·受访女性总体上对人工智能在乳腺X线摄影中的应用持积极态度,认为人工智能是帮助放射科医生做出决策的绝佳补充工具。


·患者对人工智能的期望和要求比放射科医生更高,要求提高人工智能在医疗保健中的使用透明度。患者更愿意接受频繁筛查而不愿冒着忽视癌症迹象的风险。


·关于人工智能的作用和局限性的有效沟通对于确保患者了解人工智能辅助医疗保健的目的和潜在结果至关重要。



文献荟萃



Article.06

评估放射科医生和放射技师对人工智能集成的看法:机遇与挑战

关键词

人工智能、放射科医生、放射技师

文章信息

https://doi.org/10.1093/bjr/tqae022. 

文章要点:

· 收集了约旦主要卫生部门 258 名参与者的回复,参与者对学习人工智能并在放射学实践中实施人工智能表现出积极的态度。


·放射科医生和放射技师都预测,乳腺成像将是受人工智能革命影响最大的亚专业。MRI、乳腺X线摄影和CT被确定为在人工智能应用领域具有重要意义的成像模式。


·放射科医生和放射技师报告了人工智能学习的几个障碍,其中最重要的是缺乏专家的指导和指导,其次是缺乏学习新技术的时间和缺乏对新技术的资金/投资。


·值得注意的是,超过一半的放射科医生和放射技师表示没有接受过任何形式的人工智能相关教育。对人工智能概念的了解不足可能导致对人工智能的潜在好处和应用的了解有限。医院应与人工智能系统开发商合作,为放射科医生和放射技师设计专门的培训计划来提高他们对人工智能技术的了解及实践意愿。


对于放射技师来说,最相关的人工智能应用是成像方案优化(43.3%)、病灶表征(35.0%)和图像后处理(33.8%)。在放射科医生中,选择次数最多的人工智能应用辅助工具是病变表征(30.7%)、图像后处理(30.7%)和肿瘤学分期/再分期(28.7%)。




注意事项

· 本期推送研究仅作为学术分享及同行交流,本文不构成诊疗建议或指南,具体情况参考专业医生意见

· 以上图片版权归属各期刊所属出版集团,若涉及侵权请后台联系删除


【普放文献荟萃】往期回顾:


  • 第1期:2023年度骨小梁评分TBS文章推荐阅读(1)

  • 第2期:乳腺对比增强X线摄影(CEM)与磁共振(DE-MR)效能比较

  • 第3期:乳腺X线摄影人工智能的文献汇编

  • 第4期:2023年度必读骨小梁评分(TBS)文章推荐榜单(2)

  • 第5期:乳腺对比增强X线摄影(CESM)对致密性乳腺的应用

未经允许不得转载:论文排版软件 » 【普放文献荟萃】第6期丨乳腺X线摄影的人工智能论文精选

评论 抢沙发