【普放文献荟萃】第6期丨乳腺X线摄影的人工智能论文精选

Article.01

用于数字乳腺断层合成的分类AI 系统

对普通放射科医生和乳腺成像专家对

乳腺癌解释的影响

关键词

计算机辅助诊断、乳腺 X 线摄影筛查、数字乳腺断层合成、乳腺癌、筛查、卷积神经网络 （CNN）、人工智能

· 该研究包括8825名女性的22,621张乳腺X线摄影片，研究旨在评估人工智能在筛查计划中的早期检测能力，特别关注间歇性癌症的检测、在先前访问的人工智能的帮助下早期检测癌症，以及它对各种阅读场景的工作量的影响。

·  AI软件的AUC为89.6%。最佳阈值为30.44 （图4）。

·  将人工智能作为分诊工具纳入筛查工作流程表现出高灵敏度（72.38%）和特异性（92.86%），有效识别间隔和漏诊的癌症，检出率达到50%以上。

·  人工智能辅助分诊可有效区分低风险和高风险病例，减少70%放射科医生的工作量，并提高30.5%准确性，有可能扩大筛查覆盖范围。

·  与人类阅读相比，人工智能有可能促进早期诊断，在一些病例中比人工诊断提前近30个月发现癌症（图5）。这为患者的尽早介入治疗赢得了更多时间，有望进一步改善预后。

Article.03

基于人工智能的对比增强乳腺

 X 线摄影乳腺病变分类：一项

多中心研究

关键词

人工智能、胸部、诊断、乳腺X线摄影

·  该研究开发并验证了一种深度学习多视图对比增强乳腺X线摄影(CEM)模型,用于对CEM低能量和重组图像进行乳腺癌检测和分类。

·  在一组37名女性的外部测试集上,该AI模型在检测乳腺癌方面,其AUC-ROC为0.936,灵敏度75%,特异度96.3%,总体准确率90.1%,与组织病理学结果和随访情况高度相关。

·  该深度学习多视图 CEM 模型，在检测乳腺癌方面显示出令人振奋的结果。为CEM图像中AI应用的进一步研究和外部验证奠定了基础。

Article.05

瑞典女性对人工智能在乳腺X线摄影

中使用的看法和态度：一项定性访谈

研究

关键词

患者参与、患者满意度、放射学和影像学

· 收集了约旦主要卫生部门 258 名参与者的回复，参与者对学习人工智能并在放射学实践中实施人工智能表现出积极的态度。

·放射科医生和放射技师都预测，乳腺成像将是受人工智能革命影响最大的亚专业。MRI、乳腺X线摄影和CT被确定为在人工智能应用领域具有重要意义的成像模式。

·放射科医生和放射技师报告了人工智能学习的几个障碍，其中最重要的是缺乏专家的指导和指导，其次是缺乏学习新技术的时间和缺乏对新技术的资金/投资。

·值得注意的是，超过一半的放射科医生和放射技师表示没有接受过任何形式的人工智能相关教育。对人工智能概念的了解不足可能导致对人工智能的潜在好处和应用的了解有限。医院应与人工智能系统开发商合作，为放射科医生和放射技师设计专门的培训计划来提高他们对人工智能技术的了解及实践意愿。

对于放射技师来说，最相关的人工智能应用是成像方案优化（43.3%）、病灶表征（35.0%）和图像后处理（33.8%）。在放射科医生中，选择次数最多的人工智能应用辅助工具是病变表征（30.7%）、图像后处理（30.7%）和肿瘤学分期/再分期（28.7%）。