인공지능을 활용한 조기 유방암 검출 가능성 탐구: AI 보조 유방촬영술 해석에 기반한 후향적 다중 판독자 연구 (EARLIEST-AI) (EARLIEST-AI)

제안된 연구의 상세 요약 및 정당성 예방적 유방촬영술은 증상이 없는 여성에게 2년마다 정기적으로 시행됩니다. 예방적 유방촬영 검사 동안 각 여성에 대해 4장의 영상이 촬영됩니다: 두 장은 두미(CC) 투사 영상, 두 장은 내외사위(MLO) 투사 영상입니다. 매번 유방촬영 검사는 유방영상 보고 및 데이터 시스템(BI-RADS)을 사용하여 평가됩니다.

Mammograaf Radioloogiakliinik(AS Mammograaf)의 일상 진료에서는 유방촬영 검사 평가에 BI-RADS 시스템을 사용합니다.

BI-RADS 1 점수는 병리학적 변화가 없는 유방촬영에 부여됩니다. BI-RADS 2 점수는 유방촬영에서 양성 변화를 나타냅니다.

의심스럽거나 악성 변화가 있는 경우 BI-RADS 3, BI-RADS 4 및/또는 BI-RADS 5 점수가 부여됩니다.

BI-RADS 6은 조직병리학적으로 확인된 유방암입니다. Mammograaf Radioloogiakliinik의 일상 진료에서 사용되는 유방촬영 영상 판독 프로토콜은 아래에 제시되어 있습니다.

검진 유방촬영은 항상 두 명의 방사선과 의사가 독립적으로 평가합니다. 즉, 검진 유방촬영의 일상적 평가는 독립적 이중 판독 프로토콜을 사용하여 수행됩니다. 두 명의 방사선과 의사가 유방촬영을 독립적으로 평가하고 BI-RADS 1 및/또는 BI-RADS 2 등급을 부여하면 이는 맹검 합의로 간주되며, 환자가 추가 검사가 필요하지 않음을 나타냅니다. 즉, 유방촬영에 모호한 변화나 악성을 시사하는 변화가 없음을 의미합니다. BI-RADS 3, 4, 5의 경우, 비맹검 합의 판독이 사용됩니다. 이때 방사선과 의사들은 기존 진단을 바탕으로 유방촬영을 함께 검토하고 동료와 사례를 논의하여 합의에 도달합니다. 연구 책임자와 연구에 참여하는 경험이 많은 판독자의 일상 업무에는 이전 유방촬영 평가, 복잡한 사례 분석, 중간암 발견이 포함됩니다. 평가 과정의 주관성을 줄이는 데 도움이 되는 특수 판독 전략이 사용됩니다.

이러한 방법 중 하나는 소위 맹검 검토로, 후견 효과(후향적 편향)를 피하기 위해 병리적 영역의 위치를 알지 못한 상태에서 이전 유방촬영을 검토합니다.

통계적으로 유의미한 차이를 얻기 위해서는 판독자에게 과도한 부담을 주지 않으면서 코호트가 충분히 커야 합니다.

Mammograaf Radioloogiakliinik 유방 방사선과 의사의 일반적인 업무 과정은 다음과 같습니다.

경험이 많은 방사선과 의사의 일반적인 업무 속도는 업무 질 저하 없이 하루에 최대 500개의 유방촬영을 평가할 수 있게 합니다. 경험이 적은 방사선과 의사의 경우 최적 업무량은 하루 최대 200개의 유방촬영입니다.

일상 업무에서 인공지능을 사용하려면 방사선과 의사가 적응하고, 기술을 갖추며, 과정을 이해해야 합니다.

1.5년의 인공지능 경험 동안 세 가지 주목할 만한 측면이 확인되었습니다.

1. 인간 인지 오류 인공지능 시스템 작업 시 방사선과에서 발생할 수 있는 두 가지 주요 인지 오류는 확인 편향과 닻 내리기 효과입니다. 이러한 오류의 발현은 방사선과 의사가 먼저 유방촬영을 보고 그 다음에 인공지능 표시를 보는지, 아니면 반대로 인공지능 표시부터 보는지에 따라 달라집니다.

   구성된 데이터 세트 검토 과정은 일상 업무에서 이러한 오류가 어느 정도 나타나는지와 어떤 판독 시나리오가 일상 업무에 가장 적합한지 평가할 수 있도록 구성되었습니다.

2. 인공지능의 조건부 위양성 유방촬영 표시 인공지능 시스템 작업 시, 경험이 많은 방사선과 의사가 BI-RADS 1 또는 BI-RADS 2로 분류한 유방촬영에 시스템이 고위험 또는 중간 위험 표시를 할당하는 위양성 표시가 관찰되었습니다.

   최종 결정은 항상 방사선과 의사에게 달려 있다는 점을 고려할 때, 인공지능 표시가 유방촬영의 전문적 평가와 일치하지 않을 경우 종종 무시됩니다.

   2024년 Mammograaf Radioloogiakliinik에서 Hera 인공지능의 민감도는 94.5%였습니다: 검진 중 총 138건의 암이 진단되었고, 이 중 131건은 Hera 인공지능에 의해 표시되었습니다.

   Hera AI의 특이도는 두 가지 방식으로 평가할 수 있습니다:

   • 옵션 1: 약 2년 후 2024년 결과를 후향적으로 분석.
   • 옵션 2: 본 연구의 틀 내에서 생성된 데이터 세트를 분석합니다. 여기에는 BI-RADS 3, BI-RADS 4, BI-RADS 5 유방촬영뿐만 아니라 반복 검진에서 BI-RADS 1 및/또는 BI-RADS 2 평가가 확인된 가시적 병리가 없는 유방촬영이 포함됩니다.

   후자의 옵션이 선호되는데, 이는 가까운 미래에 소위 위양성 레이블을 처리하는 방법에 대한 더 나은 이해를 제공할 수 있기 때문입니다. 현재 이에 대한 태도는 주관적이며 방사선과 의사의 성격과 해석 스타일에 크게 의존합니다.

3. 유방촬영 기술적 품질. 일상 진료에서 유방 위치 지정 및 유방촬영 촬영 중 적용되는 압력과 같은 매개변수가 영상 품질과 방사선과 의사 및 AI의 성능에 영향을 미치는 것으로 관찰되었습니다. 본 연구는 기술적 매개변수와 AI의 민감도 및 특이도 간의 관계를 객관적으로 평가할 기회를 제공할 것입니다.

   이 연구 계획에서 세 가지 가설이 공식화되었습니다.

   • 가설 1: AI 지원 사용은 방사선과 의사의 판단에 기반한 현재 관행과 비교하여 더 초기 단계의 유방암 진단을 가능하게 합니다.
   • 가설 2: 방사선과 의사의 AI 권장 사항에 대한 태도는 경험에 따라 달라집니다.
   • 가설 3: 유방촬영의 기술적 매개변수는 AI의 특이도와 민감도에 유의미한 영향을 미칩니다.

   연구 기간 이 연구는 두 단계 설계로, 여러 판독자와 여러 판독 세션을 포함합니다. 두 단계 사이에 휴식 기간이 계획되어 있습니다.

   연구 일정은 다음과 같습니다:

   • 초기 데이터 수집: 2개월
   • 판독 세션: 3회 × 2개월
   • 판독자 휴식 기간: 1개월
   • 통계 분석 및 결론 정리: 3개월 따라서 연구의 총 예상 기간은 12개월입니다. 연구 활동은 2025년 10월에 시작하여 12개월 동안 지속될 예정입니다.

   개인 데이터는 약 2026년 1월 1일에 삭제되며, 그 이후에는 완전히 익명화된 데이터만 추가 과학적 분석을 위해 보존됩니다.

   대상자 및 모집 방법 상세 설명

   1. 후향적 연구로서, 유방촬영을 포함한 익명 데이터 세트가 구성됩니다.

      모든 유방촬영은 Mammograaf Radioloogiakliinik에서 수행되었습니다. 데이터 세트는 1000개의 유방촬영 세트로 구성되며, 각 세트는 한 여성의 4장의 영상(오른쪽 및 왼쪽 유방의 두미(CC) 및 내외사위(MLO) 영상)을 포함합니다.

      • BI-RADS 6 사례와 관련된 유방촬영 목록을 작성합니다. 익명화 전에 다음 데이터가 입력됩니다: 환자 ID 코드 및 나이, 진단과 관련된 유방촬영 날짜, 암 유형(침윤성 관암종, 침윤성 소엽암종, 관상피내암, 에스트로겐 수용체(ER), 프로게스테론 수용체(PR), 인간 표피 성장인자 수용체 2(HER 2) 수용체 상태 및 생검 결과 Ki-67 증식 지수, 유방촬영 BI-RADS 점수.
      • BI-RADS 6이 아닌 사례와 관련된 유방촬영 목록을 작성합니다. 익명화 전에 다음 데이터가 입력됩니다: 환자 ID 코드 및 나이, 데이터 세트에 포함된 유방촬영 날짜, 유방촬영 BI-RADS 점수.
      • BI-RADS 6 사례로 구성된 방사선학적 골드 표준을 작성합니다. 이 연구에서는 BI-RADS 점수 외에 가능한 소견에 대한 관심 영역(ROI)도 요청됩니다. 이러한 작업을 수행하기 위해 경험이 많은 방사선과 의사가 100개의 유방촬영 데이터 세트를 검토하는 데 약 30분이 소요되며, 경험이 적은 방사선과 의사의 경우 60-90분이 소요될 것으로 추정됩니다.

      이 부담은 일상 업무 흐름에 큰 장애나 중단을 초래하지 않습니다.

      비암 유방촬영의 경우 후속 검진에서 음성 평가(BI-RADS 1 또는 2)가 확인된 사례만 포함되었습니다.

      데이터 세트에 포함된 각 유방촬영 연구에 대해 임상 작업 중 결정된 해당 BI-RADS 평가가 프로토콜에 기록되어 연구의 투명성과 신뢰성을 보장합니다.

      통계적 유의성은 기준 검사(AI 지원 없는 판독)와 평가 중인 검사(AI 지원 판독)의 예상 민감도 차이를 기반으로 계산됩니다. 기준 검사의 추정 민감도는 0.85, 평가 중인 검사의 민감도는 0.90입니다. 표본 크기 추정에는 이중 비율 Z-검정이 사용됩니다. 원하는 검정력은 p = 0.90, 유의 수준 α = 0.05입니다. 이러한 매개변수를 기반으로 표본 크기는 914로 계산되었으며, 연구 중 1000 사례로 반올림됩니다.

      McNemar 검정(민감도 90% 대 87%, α = 0.05, 검정력 0.90, 유병률 ~30%)을 기반으로 한 계산에서는 최소 표본 크기 876이 산출되었으며, 낮은 통계적 검정력 위험을 방지하기 위해 보수적으로 1000으로 반올림되었습니다.

      이러한 이유로 1,000개의 유방촬영으로 구성된 데이터 세트가 구축되었습니다. 본 연구에서는 독립적인 생물통계학자의 의견을 구할 가능성이 고려되고 있습니다.

   2. 판독자의 전문 경험

   본 연구의 틀 내에서 전문가는 다음과 같이 정의됩니다: 유방 영상의학 분야에서 매일 일하며 유방촬영 평가, 유방 초음파 검사 및 초음파 및/또는 자기공명영상 유도하 생검, 유방 MRI 검사 판독을 포함하는 방사선과 의사입니다. 전문가는 다음과 같은 조건을 갖춘 전문가로 간주됩니다:

   • 유방 영상의학 분야에서 최소 10년의 임상 경험,
   • 연간 최소 12,000건의 유방촬영 검사 판독량,
   • 최소 12개월 동안 인공지능을 사용한 일상 업무 경험.

   연구 책임자는 유방촬영 평가에 약 20년의 경험을 가진 유방 영상의학 전문의로, 지난 5년 동안 77,000건 이상의 유방촬영 검사를 판독하여 연평균 15,000건 이상을 판독했습니다. 또한 연구 책임자는 유방 초음파 검사, 초음파 및 MRI 유도하 생검을 수행하고 유방 자기공명영상 검사를 판독합니다. 연구 책임자는 유방촬영 판독에 인공지능을 사용한 일상 업무 경험도 18개월 보유하고 있습니다. 또한 연구 책임자는 최소 7년 동안 유방촬영 검사의 위치 설정 품질을 정기적으로 평가해 왔습니다.

   연구 책임자는 데이터 세트 구성 및 골드 표준 검증에서 전문가 역할을 합니다.

   • 판독자 1: 유방촬영 연구 평가에 약 30년의 경험을 보유하고 있으며, 지난 5년 동안 76,000건 이상의 유방촬영 연구를 판독하여 연평균 15,000건 이상 판독.
   • 판독자 2: 유방촬영 연구 평가에 약 10년의 경험을 보유하고 있으며, 지난 5년 동안 31,000건 이상의 유방촬영 연구를 판독하여 연평균 6,000건 이상 판독.
   • 판독자 3: 유방촬영 연구 평가에 약 1년의 경험을 보유하고 있으며, 지난 1년 동안 4,324건의 유방촬영 연구를 판독.
   • 판독자 4: 유방촬영 연구 평가에 1년 미만의 경험을 보유하고 있으며, 지난 1년 동안 2,963건의 유방촬영 연구를 판독.
   • 판독자 5: 유방촬영 연구 평가에 1년 미만의 경험이며, 지난 1년 동안 2,242건의 유방촬영 연구를 판독.

   판독자의 다양한 경험 수준은 이 연구 수행에 중요합니다. 이를 통해 인공지능이 제안한 판독 결과가 경험 수준이 다른 방사선과 의사에게 미치는 영향을 평가하고, 이것이 두 번째 가설을 확인하거나 반박하는지 조사할 수 있습니다.

   연구 방법론 상세 설명 데이터 세트의 전략, 과정 및 데이터 분석은 판단의 독립성을 유지하고 인지 편향을 피하기 위해 의도적으로 판독자에게 숨겨집니다. 전체 연구 방법론은 프로토콜(섹션 6, 섹션 7, 섹션 12)에 문서화되어 있으며, 관련 정보는 판독 단계 종료 후 참가자에게 제공됩니다.

   이러한 데이터 세트를 사용하면 임상 정보나 이전 연구 없이 단일 유방촬영 검사만 사용할 수 있는 시나리오에서 제한된 정보 조건에서 판독자와 AI가 유방암을 발견하는 능력을 평가할 수 있습니다.

   프로토콜의 섹션 6.2.1에 제공된 정보에 따라, 이 데이터 세트의 구성은 첫 번째 가설에 대한 답변을 얻을 수 있게 해줍니다.

   이러한 데이터 세트는 다음 질문에 대한 정량적 답변을 제공하여 두 번째 및 세 번째 가설을 다룰 수 있도록 보장합니다.

   1. AI 기반 CAD 시스템의 특이도와 민감도는 무엇인가?
   2. 인간 판독자의 특이도와 민감도는 무엇인가?
   3. CAD 단서가 인간 판독자의 성능에 영향을 미치는가?
   4. 인간 판독자의 성능은 CAD 단서가 제시되는 시점(판독 초기 또는 판독자의 초기 평가 후)에 따라 달라지는가?
   5. 인간 판독자와 AI 기반 CAD 시스템의 진단 성능에 영향을 미치는 요인은 무엇인가?

   특히:

   • 판독자 관련 요인: 경험 수준
   • 환자 관련 요인: 나이, 유방 밀도
   • 악성 과정 특성: 종양 유형, 등급, 크기, 한쪽 또는 양쪽 투사(CC 및/또는 MLO)에서의 가시성
   • 유방촬영 기술 매개변수: 압박력, 압박 압력, 올바른 위치 설정

   연구의 윤리적 및 데이터 보호 측면을 담당하는 조정 연구자 또는 책임 연구자 설명

   1. 윤리적 측면 연구는 Mammograaf Radioloogiakliinik(등록 번호 10233840)과 HERA-MI(Siret: 828871699)에 의해 수행됩니다.

      HERA-MI는 인공지능 제조사이자 개발자이고, Mammograaf Radioloogiakliinik은 의료 서비스 제공자이자 HERA-MI 인공지능의 일상 사용자입니다. Mammograaf Radioloogiakliinik은 2024년부터 HERA-MI 참조 센터였습니다. 이 연구에 참여하는 당사자 간에 재정적 거래는 없습니다.

      Mammograaf Radioloogiakliinik과 HERA-MI는 연구의 투명성과 신뢰성을 보장하기 위해 이해 충돌 회피 선언문을 준비하고 서명할 것입니다.

      연구 완료 후 자체 성능에 대한 지식이 향상되고 인공지능 도구의 신뢰성 한계에 대한 이해가 개선될 것입니다.

      이 연구는 일상 진료 과정에서 수집된 데이터만 사용하며, 연구 수행을 위해 대상자에게 연락하지 않습니다. 연구 참여는 환자의 삶, 치료 또는 추적 관찰에 영향을 미치지 않습니다. 이 연구는 대상자 또는 그 가족에게 추가적인 의무를 부과하지 않습니다.

      연구 참여는 대상자 또는 그 가족에게 직접적인 이익을 주지 않습니다.

      연구 결과의 공개와 논의를 통해 환자 치료 최적화라는 간접적인 혜택이 대상자에게 발생할 수 있습니다.

      계획된 연구는 대상자의 동의 없이 개인 데이터를 처리할 계획입니다.

      데이터 주체에게 정보를 제공하는 것은 정당하지 않습니다. 그 이유는:

      - 데이터 처리가 데이터 주체의 이익을 해치지 않습니다. 데이터 처리의 결과물은 데이터의 기술적 일반화입니다.

      - 허가를 요청하는 것은 비합리적으로 높은 비용을 수반할 것입니다. 사전 동의를 얻는 것은 물류적으로 복잡할 것입니다.

      우월한 공익의 존재. 유방암은 여성에게 가장 흔한 악성 종양이며 이환률과 사망률의 주요 원인 중 하나입니다. 유방촬영을 이용한 조기 발견은 치료 결과를 크게 향상시킵니다. Mammograaf Radioloogiakliinik은 에스토니아에서 잘 알려진 유방 진단 센터로, 현대적인 방법과 기술을 사용하여 검진 및 진단 연구를 모두 수행합니다. 이 연구 수행은 현재 작업 방법의 품질을 평가하고 방사선학적 의사 결정에서 인공지능이 제공하는 부가 가치의 영향을 분석하는 데 중요합니다. 연구 결과를 더 넓은 의료 커뮤니티에 소개함으로써 현대 유방 진단 옵션에 대한 인식을 높이는 데 도움이 될 것입니다. 이 연구와 후속 분석은 유방 영상의학 업무 프로세스 및 기술 발전에 크게 기여할 가능성이 있습니다.

      유방촬영 평가 단계에서 데이터는 익명이므로, 연구 중에 인공지능이 암이 아닌 유방촬영에 고위험 또는 중간 위험 악성 표시를 추가하거나 판독자가 BI-RADS ≥ 3 평가를 내려도 실제 임상 작업에서 유방촬영에 부여된 평가나 환자 치료에 영향을 미칠 수 없습니다.

   2. 데이터 보호 측면 계획된 연구에서는 데이터베이스 생성 단계에서 개인식별 데이터를 사용하는 것이 필수적입니다. 데이터베이스를 생성하려면 다양한 데이터 출처에서 서로 다른 시간에 생성된 데이터를 통합해야 합니다: Mammograaf Radioloogiakliinik 종이 아카이브(BI-RADS 6 환자 개인식별 코드, 생검 결과), Mammograaf Radioloogiakliinik Visage Imaging PACS(유방촬영), Mammograaf Radioloogiakliinik RIS Lisa(BI-RADS 6 환자 개인식별 코드, 생검 결과), Mammograaf Radioloogiakliinik RIS Optomed(BI-RADS 1 및/또는 BI-RADS 2 환자 개인식별 코드)로, 개인식별 코드 사용이 필요합니다. 데이터베이스는 책임 연구자가 Mammograaf Radioloogiakliinik의 안전한 서버에 생성 및 저장하며, 해당 연구자는 위 데이터 출처에 업무 의무에 따라 ID 카드로 접근 권한이 있습니다.

   단일 암 사례의 세트는 연구 프로토콜의 섹션 11에 정확하게 설명된 방식으로 표시됩니다.

   1. 연구에 참여하는 판독자의 필요한 기밀성을 보장하기 위해, 과도한 정보를 공개할 수 있는 특정 데이터는 신청서에 포함되지 않고 연구 프로토콜의 섹션 12에 별도로 제시됩니다.
   2. 연구에 참여하는 판독자의 필요한 기밀성을 보장하기 위해, 과도한 정보를 공개할 수 있는 특정 데이터는 신청서에 포함되지 않고 연구 프로토콜의 섹션 12에 별도로 제시됩니다.
   3. 연구에 참여하는 판독자의 필요한 기밀성을 보장하기 위해, 과도한 정보를 공개할 수 있는 특정 데이터는 신청서에 포함되지 않고 연구 프로토콜의 섹션 12에 별도로 제시됩니다.
   4. 표시는 대상자 식별을 허용하지 않습니다. 표시를 생성하려면 암 사례 수, 세트 수 및 실행 날짜를 알아야 합니다. 표시는 HERA-MI가 수행합니다.
   5. 책임 연구자는 표시를 생성된 데이터베이스에 연결하고 데이터베이스에서 생성에 사용된 개인식별 코드를 삭제합니다(연구 수행 허가 후 2개월 이내, 예비 작업이 2025년 10월에 시작되면 대략적인 데이터 삭제 날짜는 2026년 1월 1일). 표시된 데이터베이스는 이렇게 익명이 되며, 이후 연구 활동은 익명 데이터로 수행됩니다.
   6. 암이 아닌 유방촬영은 문자와 숫자의 조합으로 무작위 순서로 표시됩니다.
   7. 판독자의 유방촬영 소견 경계 표시는 BI-RADS 분류 원칙에 따라 명확하게 표시됩니다.

   표시된 데이터베이스는 Mammograaf Radioloogiakliinik의 안전한 서버에 저장됩니다. 연구 유방촬영을 사용하여 PACS에 세트가 생성되며, 판독자는 개인 비밀번호 및 인공지능에 별도 접근 권한을 통해 접근할 수 있습니다. 판독자와 인공지능 간의 접근 및 협력은 정상 작업에서 사용되는 것과 다르지 않습니다. 유방촬영에는 일반적으로 평가 과정에서 사용되는 정보(연령)가 함께 제공됩니다. 각 판독 단계 종료 시 Mammograaf Radioloogiakliinik 서버에서 평가가 포함된 Excel 표가 생성됩니다.

   암 사례의 주요 표시, 관련 표시, 날짜 및 임상 정보는 책임 조사자만 접근할 수 있는 Excel 표에 저장됩니다.

   데이터 분석은 HERA-MI가 수행합니다. 데이터 분석은 Mammograaf Radioloogiakliinik 서버에서 수행됩니다. 연구 결과는 요약된 형식으로 제시됩니다.

   연구에 사용된 익명 데이터는 연구 목적으로 Mammograaf Radioloogiakliinik 서버에 무기한 저장됩니다.

   데이터 수집 및 관리

   1. 데이터 출처

      - PACS - 디지털 영상 자료(유방촬영)

      • 기관 종이 아카이브 - 개인식별 코드, 생검 결과 및 방사선과 의사 설명.
      • RIS - 종이 데이터를 사용할 수 없는 경우 환자 개인식별 코드, 생검 결과 및 방사선과 의사 설명.

   2. 수집된 데이터 - 인구통계: 나이. - 영상 데이터: BI-RADS 점수, 소견 위치; 종괴 형태, 경계, 밀도, 석회화 존재 여부; 비대칭성, 구조 왜곡.

      • 병리: 암 발견 연도, 종양 유형(침윤성 관암종(IDC), 침윤성 소엽암종(ILC), 관상피내암(DCIS) 등), 수용체 상태(ER, PR, HER2), 등급, 종양 크기.
      • 영상 품질(유방촬영 장치, 압박력 및 압박 압력, 위치 설정 품질)
   3. 데이터 처리 연구 중 수집된 모든 데이터는 applicable 데이터 보호 요구사항 및 연구 프로토콜에 명시된 원칙에 따라 처리됩니다.

   데이터는 다음과 같이 처리됩니다:

   (1) 개인 데이터는 분석 전에 익명화를 통해 제거됩니다. (2) 각 사례와 각 판독자에 대해 고유 식별자가 생성되어 개인 식별 없이 데이터 추적이 가능합니다.

   (3) 원시 데이터(유방촬영, 판독자 표시, AI 출력 포함)는 Mammograaf Radioloogiakliinik 서버에 안전하게 저장됩니다. 책임 연구자만 데이터에 접근할 수 있습니다.

   (4) 분석 데이터는 통계 처리 및 품질 관리를 가능하게 하는 구조화된 형식(예: Excel, CSV, DICOM 메타데이터)으로 내보내집니다.

   (5) 데이터 수집 또는 처리의 모든 변경사항은 감사 가능성을 보장하기 위해 문서화됩니다.

   소프트웨어 설정

   1. 유방촬영 판독 소프트웨어 이 연구는 유방촬영 판독 및 ROI 표시 생성 및 저장을 위해 Visage Imaging PACS 소프트웨어를 사용합니다.
   2. 무작위화 및 익명화 프로그램 연구의 무작위화 및 익명화 프로그램은 Hera-MI에서 제공되었습니다.
   3. CAD 소프트웨어 이 프로토콜에서 사용되는 소프트웨어는 Hera-MI의 Breast-SlimView CAD 소프트웨어입니다.

   소프트웨어는 마스크 형태의 CAD 단서를 생성합니다: 인공지능이 저장한 관심 영역(ROI)이 유방촬영의 구조와 유사한 마스크에 배치됩니다.

   CAD 결과는 판독 시스템의 드롭다운 프로토콜에 통합됩니다.