基于乳腺 X 线摄影的乳腺癌筛查中的人工智能

乳腺癌 (BC) 是全世界女性中最常见的癌症，也是癌症相关死亡的第二大原因。

作为 BC 筛查的基石，乳房 X 线照相术被认为是一种有用的成像方式，可以通过早期检测 BC 来降低 BC 死亡率。 然而，乳房 X 光检查的解释本质上是主观评估，容易出现过度诊断。

近年来，以嵌入式深度学习算法为特征的人工智能（AI）-计算机辅助诊断（CAD）系统已进入BC筛查领域，作为放射科医生的辅助手段，旨在优化传统CAD系统的缺点手工特征提取。 目前，新型 AI-CAD 工具的单机性能在 BC 诊断方面表现出良好的准确性和效率，这在很大程度上归功于卷积神经网络 (CNN) 的利用，其中一些已经达到放射科医生的水平。 另一方面，通过利用 AI-CAD 系统作为决策支持工具，放射科医师在 BC 筛查方面的表现得到了提高。 随着商业 AI-CAD 系统的实施越来越多，在广泛采用之前，应该在模拟现实生活的场景中对其在临床环境中的实用性和成本效益进行强有力的评估，就像其他新兴和有前途的技术一样。 这需要在多个、多样化和有代表性的数据集上验证 BC 筛选中的 AI-CAD 系统，并估计阅读器和系统之间的接口。 这项拟议的研究旨在调查用于读取乳房 X 线照片的 AI-CAD 系统的乳腺癌诊断性能。 在这项工作中，我们将采用基于深度学习算法（IBM Watson 成像 AI 解决方案）的商用 AI-CAD 工具来识别和表征乳房 X 线照片上的可疑乳腺病变。 可以标记潜在的癌症病变，并自动报告其乳腺 X 线摄影特征和恶性概率。 AI后处理后，进一步进行统计分析，以确定AI-CAD系统对BC风险预测的准确性。