背景与目的:人工智能(artificial intelligence,AI)技术可辅助影像学诊断。本研究探讨AI辅助超声对中国女性乳腺病灶的识别能力及其应用于乳腺癌筛查的可能性。方法:采用平行对照诊断性试验和前瞻性随访的研究设计,纳入至肿瘤专科医院...背景与目的:人工智能(artificial intelligence,AI)技术可辅助影像学诊断。本研究探讨AI辅助超声对中国女性乳腺病灶的识别能力及其应用于乳腺癌筛查的可能性。方法:采用平行对照诊断性试验和前瞻性随访的研究设计,纳入至肿瘤专科医院就诊、并行乳腺超声检查的非乳腺癌女性。所有女性首先接受AI辅助超声检查,然后接受常规超声检查,比较AI辅助超声和常规超声识别乳腺病灶的差异;随访1年内乳腺癌发生情况,比较两种超声方式诊断乳腺癌的灵敏度和特异度。结果:研究纳入360人,共发现2504个乳腺病灶,其中AI辅助超声报告2217个病灶,病灶报告率为88.5%;常规超声报告1090个病灶,病灶报告率为43.5%。以常规超声为标准,AI辅助超声识别乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)4级以上乳腺病灶的灵敏度为93.3%(95%CI:80.7%~98.3%),特异度为100.0%(95%CI:99.5%~100.0%);随访发现10例乳腺癌,AI辅助超声和常规超声均判定为阳性的有8例,灵敏度均为80.0%(95%CI:44.2%~96.4%),特异度均为88.6%(95%CI:84.6%~91.6%)。结论:AI辅助超声对于BI-RADS 4A以上的高危乳腺病灶及早期乳腺癌的识别能力与常规超声相当,是一种有效的乳腺癌辅助诊断手段,并具有应用于人群乳腺癌筛查的潜力。展开更多
文摘背景与目的:人工智能(artificial intelligence,AI)技术可辅助影像学诊断。本研究探讨AI辅助超声对中国女性乳腺病灶的识别能力及其应用于乳腺癌筛查的可能性。方法:采用平行对照诊断性试验和前瞻性随访的研究设计,纳入至肿瘤专科医院就诊、并行乳腺超声检查的非乳腺癌女性。所有女性首先接受AI辅助超声检查,然后接受常规超声检查,比较AI辅助超声和常规超声识别乳腺病灶的差异;随访1年内乳腺癌发生情况,比较两种超声方式诊断乳腺癌的灵敏度和特异度。结果:研究纳入360人,共发现2504个乳腺病灶,其中AI辅助超声报告2217个病灶,病灶报告率为88.5%;常规超声报告1090个病灶,病灶报告率为43.5%。以常规超声为标准,AI辅助超声识别乳腺影像报告和数据系统(Breast Imaging Reporting and Data System,BI-RADS)4级以上乳腺病灶的灵敏度为93.3%(95%CI:80.7%~98.3%),特异度为100.0%(95%CI:99.5%~100.0%);随访发现10例乳腺癌,AI辅助超声和常规超声均判定为阳性的有8例,灵敏度均为80.0%(95%CI:44.2%~96.4%),特异度均为88.6%(95%CI:84.6%~91.6%)。结论:AI辅助超声对于BI-RADS 4A以上的高危乳腺病灶及早期乳腺癌的识别能力与常规超声相当,是一种有效的乳腺癌辅助诊断手段,并具有应用于人群乳腺癌筛查的潜力。