人工智能辅助BI-RADS分类指导乳腺肿物活检的初步研究

摘要：

目的:探讨人工智能(S-Detect技术)辅助BI-RADS分类指导乳腺肿物活检的价值.方法:常规超声BI-RADS分类均为4类的51例患者,共52个病灶均进行穿刺活检.穿刺活检前行S-Detect辅助结节的BI-RADS再次分类,以病理结果作为金标准比较两种分类方法的差异.结果:BI-RADS 4类结节遵照指南均应进行穿刺活检,活检率100％ (52/52)、阳性预测值38.5％ (20/52)、假阳性率61.5％ (32/52)、漏诊率0％ (0/20).S-Detect辅助分类后,52个病灶中24个降类为3类,则活检率53.8％ (28/52)、阳性预测值67.9％ (19/28)、假阳性率32.1％ (9/28)、漏诊率5％ (1/20)均发生明显变化,其中活检率及假阳性率显著减低(P＜0.01),漏诊率的变化无统计学意义(P＞0.05).结论:S-Detect辅助乳腺结节再次分类有助于减少不必要的穿刺活检,提高活检效能.

关键词：BI-RADS分类、S-Detect、活检

所属期刊栏目：36

在线出版日期：2020-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：325-328