現(xiàn)階段，乳腺鉬靶檢查是篩查和檢測乳腺癌的標準方式。然而，由于其二維投影的內(nèi)在限制，靈敏度較低，在63%到84%之間。目前，基于人工智能的計算機輔助診斷（AI-CAD）被應(yīng)用于鉬靶檢查，并顯示出與獨立的診斷性能相當或更高的性能，同時在作為附加工具使用時，顯著提高了放射科醫(yī)生的診斷性能。與傳統(tǒng)的基于放射科醫(yī)生定義的特征的CAD程序不同，基于深度學(xué)習(xí)網(wǎng)絡(luò)的AI-CAD算法在推導(dǎo)最終分數(shù)或結(jié)果方面沒有那么直觀。由于大多數(shù)商業(yè)AI-CAD程序提供了帶有異常分數(shù)的熱圖，用戶大致接受了分數(shù)越高意味著癌癥的概率越高。然而，分數(shù)本身的意義還沒有被澄清，關(guān)于不同的分數(shù)對患者意味著什么，或者說異常分數(shù)和美國放射學(xué)會乳腺成像和報告系統(tǒng)（BI-RADS）是如何關(guān)聯(lián)的問題仍然存在。

 

近日，發(fā)表在European Radiology雜志的一項研究根據(jù)臨床、放射學(xué)和病理學(xué)特征評估了乳腺癌的異常度評分，同時分析了AI-CAD中假陰性病例的乳腺癌特征，為該技術(shù)更好地協(xié)助放射科以及臨床醫(yī)生提供了參考依據(jù)。

 

本研究從2017年1月到2017年12月將930名診斷為的乳腺癌患者納入研究中。商業(yè)AI-CAD被應(yīng)用于乳腺鉬靶，并獲得異常評分。根據(jù)臨床、放射學(xué)和病理學(xué)特征評估了異常評分。假陰性結(jié)果的定義是異常評分小于10分。 

 

930個乳腺的異常評分中位數(shù)為87.4（范圍0-99）。AI-CAD的假陰性率為19.4%（180/930）。與低分的癌癥相比，異常評分超過90分的癌癥顯示出高比例的可觸及病變、BI-RADS 4c和5病變、呈現(xiàn)為有或沒有微鈣化的腫塊和浸潤性乳腺癌（所有P < 0.001）。與檢測到的乳腺癌相比，假陰性乳腺癌更有可能發(fā)生在無癥狀的患者和致密型乳腺中，并被診斷為隱性乳腺癌和DCIS。 

 

圖 一位44歲的患者被診斷為左乳有一個20毫米大小的三陰性亞型浸潤性導(dǎo)管癌，分期為T1cN0。左側(cè)乳腺癌在1點鐘方向表現(xiàn)為腫塊（箭頭），被AI-CAD遺漏（異常評分7分）

 

本研究表明，在AI-CAD上描述的乳腺癌的高異常得分與較高的BI-RADS類別、浸潤性病理和較高的惡性等級具有相關(guān)性。

 

原文出處：

Si Eun Lee,Kyunghwa Han,Jung Hyun Yoon,et al.Depiction of breast cancers on digital mammograms by artificial intelligence-based computer-assisted diagnosis according to cancer characteristics.DOI:10.1007/s00330-022-08718-2