基于深度学习的人工智能模型在乳腺超声影像报告和数据系统乳腺结节分类中的应用价值

摘要：

目的:探讨基于深度学习的人工智能（AI）模型在乳腺超声影像报告和数据系统（BI-RADS-US）乳腺结节分类中的应用价值。方法:收集2006年12月至2019年12月就诊于首都医科大学附属北京同仁医院的1 558例女性乳腺疾病患者的2 426枚乳腺结节超声图像，将图像数据集分为训练集（63%）、验证集（7%）和测试集（30%），用于建立AI模型。采用受试者工作特征（ROC）曲线分析AI模型、医师仲裁结果以及AI模型辅助前后医师的诊断效能；采用Cohen加权Kappa系数比较AI模型辅助前后5名超声医师间BI-RADS-US分类的一致性；统计分析每名医师AI模型辅助前后两次BI-RADS-US分类结果的变化。结果:AI模型与医师仲裁分类结果以及AI模型辅助前后医师的诊断效能差异均无统计学意义（均
P>0.05）；5名医师间一致性提高，AI模型辅助前后Kappa系数分别为3类0.433、0.812，4a类0.600、0.704，4b类0.614、0.823，4c类0.570、0.690，5类0.495、0.509（均
P<0.05）；AI模型辅助分类后，5名医师乳腺结节BI-RADS-US分类均发生了升降变化，其中良性结节由4类降为3类最多（56.6%，43/76）；恶性结节由4类升为5类最多（69.4%，34/49）。
结论:AI模型辅助超声医师进行BI-RADS-US分类可有效提高医师之间分类的一致性且不降低诊断效能；AI模型通过调整结节分类，在减少部分良性结节不必要的穿刺、提高部分恶性结节诊断准确性等方面具有临床应用价值。

关键词：乳腺疾病、超声检查，乳房、人工智能

所属期刊栏目：34

资助基金：国家重点研发计划2016YFC0104800;National Key Research and Development Plan of China2016YFC0104800

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：401-407