Radiology 科學論著摘要(2023 年3 月、4 月雜志)

○乳腺成像

基于2 個國家的乳腺X 線檢查數據構建多模式的人工智能虛擬活檢模型(DOI:10.19300/j.2023.r0301)

Virtual Biopsy by Using Artificial Intelligence-based Multimodal Modeling of Binational Mammography Data （DOI:10.1148/radiol.220027）

V.Barros,T.Tlusty,E.Barkan,E.Hexter,D.Gruen,M.Guindy,et al.

摘要基于人工智能（AI）的計算模型越來越多地用于診斷乳腺惡性病變。然而，根據醫學影像對病變進行如同活檢結果般詳細的、特定的病理亞型評估仍然是一個挑戰。目的基于乳腺X 線片和有組織病理學信息的電子健康記錄，開發一種能夠識別乳腺病變亞型的AI 模型。資料與方法回顧性收集9 234 名接受數字乳腺X 線檢查的女性的26 569 張影像，用以預訓練算法。訓練集數據包括2013 年3 月—2018 年11 月期間的病人，至少有1 年臨床和影像學檢查史，且均后經活檢組織病理學確診。使用2 個數據集，分別包括2 120名以色列女性和1 642 名美國女性，獨立訓練1 個卷積神經網絡和監督學習算法相結合的模型來預測乳腺病變。使用受試者操作特征曲線下面積（AUC）和DeLong 法估計95%可信區間（CI），并用Bootstrapping 方法檢驗結果。結果以色列模型在456 名女性中得到驗證，并在441 名女性中進行了測試[平均年齡（51±11）歲]。美國模型在350 名女性中得到驗證，并在344 名女性中進行了測試[平均年齡（60±12）歲]。預測了測試集中的惡性腫瘤（包括220 例以色列和126 例美國的導管原位癌或浸潤性癌病人），預測以色列和美國病人的AUC值分別為0.88（95%CI：0.85～0.91）和0.80 （95%CI：0.74～0.85）（P＝0.006）。這些結果可能不適用于其他隊列的病人，應進一步研究其在不同人群中的泛化能力。結論當數據量足夠大時，AI 用于臨床和乳腺X 線影像可以識別乳腺病變亞型，有助于評估診斷工作流程，并減少活檢采樣誤差。

原文載……