医准智能软件在4类乳腺结节良恶性鉴别诊断中的应用价值

摘要：

目的 评价医准人工智能(AI)技术在乳腺 4 类结节良恶性鉴别诊断中的应用价值.方法 选择超声(US)检查的乳腺疾病并且具有组织病理学结果的患者 153 例,采用回顾性分析法,对医师和AI诊断乳腺病灶的乳腺影像报告和数据系统(US BI-RADS)结果进行分析,统计两种方法的 BI-RADS 结果并分析其一致性.以组织病理学为"金标准",计算两种方法诊断效能值,绘制两种方法对入选乳腺病灶的受试者工作特征(ROC)曲线并计算曲线下面积(AUC),分析两种方法组学特征描述的一致性.结果 入选乳腺病灶的良恶性结节类型分别为 63 例、90 例,其中 AI将 1 例浸润性导管癌(IDC)诊断为 3 类.医师和 AI进行BI-RADS分级的K 值为 0.420,为中高度一致;医师的灵敏度(Sen)、特异度(Spe)、假阳性率(FPR)、假阴性率(FNR)、阳性似然比(LR+)、阴性似然比(LR-)为 0.989、0.766、0.234、0.011、4.226、0.159;AI 的 Sen、Spe、FPR、FNR、LR+、LR-为 0.933、0.422、0.578、0.067、1.614、0.014;医师和 AI 的 AUC 分别为 0.952(95%CI:0.922～0.982)、0.735(95%CI:0.653～0.817).医师和 AI在诊断形状、方向及边缘组学特征分析中K 值在 0.4～0.75 为中、高度一致,具有统计学意义(P<0.05);医师和 AI在诊断内部回声、后方回声及病灶内钙化组学特征上一致性差,无统计学意义.结论 医准 AI乳腺超声可以对 4 类乳腺结节良恶性诊断提供信息并且融入指导临床治疗.

关键词：乳腺超声、乳腺癌、人工智能、诊断研究

所属期刊栏目：39

分类号：R737.9;R445.1;TP311

资助基金：陕西省重点研发计划项目;陕西省重点研发计划项目

在线出版日期：2023-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：750-754