显示右内侧横向斜(RMLO)进行筛查性乳房x光检查负面结果从2016年(A)一个73岁的女人,Mirai人工智能(AI)风险评分超过第90百分位乳腺癌谁开发正确的风险在2021年5年的随访和(B)一个73岁的女人与Mirai AI风险评分小于第十百分位风险没有患上癌症5年之后5年的随访。图片由北美放射学会
2023年6月9日—在一个大型的研究成千上万的乳房x光检查,人工智能(AI)算法优于标准的临床风险模型预测了五年的风险乳腺癌。这项研究的结果发表在今天,6月6日放射学的杂志北美放射学会(RSNA)。
女性患乳腺癌的风险通常是使用临床计算模型等乳腺癌监视财团(BCSC)风险模型,它使用自我报告和其他信息patient-including年龄、疾病的家族史,她是否已经生了,她是否致密乳房计算风险评分。
“临床风险模型依赖于从不同来源收集信息,并不总是可用的或收集,”首席研究员说Vignesh Arasu,医学博士博士。研究科学家和练习放射科医师Kaiser Permanente加州北部。“最近AI深度学习的进步为我们提供了能够提取到成千上万的附加乳腺功能。”
Arasu博士在回顾性研究中,使用的数据与负相关(显示没有明显证据表明癌症)筛查2 d乳房x线照片2016年在加州北部Kaiser Permanente执行。2016年的324009名妇女中筛选符合资格标准,随机sub-cohort 13628妇女被选中进行分析。此外,所有资格池中的4584名患者被诊断出患有癌症的5年内原2016乳房x光检查也进行了研究。所有妇女都是直到2021年。
“我们选择从x光检查整个年的表现在2016年,所以我们的研究人群是代表社区在加州北部,“Arasu博士说。
研究人员把五年研究期间分为三个时期:间隔癌症风险,或事件之间的癌症诊断0和1年;未来的癌症风险,或事件从一至五年癌症诊断;和所有癌症的风险,或事件癌症诊断0和5年之间。
使用x光检查2016,乳腺癌的风险分数超过五年五所产生的人工智能算法,包括两个学术研究人员和所使用的算法三个商用算法。风险分数然后相比,BCSC临床风险评分。
“所有五AI算法执行比BCSC风险模型预测乳腺癌的风险在0到5年,“Arasu博士说。“五年这强大的预测性能表明人工智能识别错过了癌症和乳房组织特性,帮助预测未来癌症发展。在乳房x线照片让我们追踪乳腺癌风险。这是一个“黑盒”的人工智能。”
一些人工智能算法擅长预测区间癌症的高危患者,这通常是积极的,可能需要第二次阅读的乳房x光检查,补充检查或短时间间隔后续成像。当评估女性最高的10%风险为例,人工智能预测相比,高达28%的癌症BCSC预测的21%。
甚至AI算法训练在短时间范围(低至3个月)能够预测未来癌症风险五年没有临床检测到癌症筛查性乳房x光检查。当结合使用,人工智能和BCSC风险模型进一步改进癌症预测。
“我们正在寻找一个准确、高效和可伸缩的方式理解妇女患乳腺癌的风险,”Arasu博士说。“Mammography-based AI风险模型提供实际优势传统的临床风险模型,因为它们使用一个数据源:乳房x光检查本身。”
Arasu博士说一些机构已经在使用人工智能来帮助放射科医生在乳房x光成像检测癌症。一个人的未来的风险评分,以秒为人工智能生成,可以集成到radiology报告与病人和他们的医生。
“人工智能对癌症风险预测提供我们有机会有个性每个女人的关怀,这并不是可用的系统,”他说。“这是一个工具,可以帮助我们提供个性化、精密医学在全国水平。”
更多信息:www.rsna.org
乳房成像相关内容2022世界杯篮球预选赛赛程:
乳腺癌的风险和不确定性筛选选择和乳房x光检查后认为与乳腺密度提高风险意识
09年6月,2023年
