在乳腺癌筛查中使用 AI 选择女性进行补充 MRI (ScreenTrustMRI)

所有在卡罗林斯卡大学医院接受乳房 X 光检查的女性都将接受 AI 分析她们的乳房 X 光照片（图 1）。 本研究中的特定 AI 实现（AI 工具）是三个等权重组件 AI 模型分析乳房 X 线照片的 AI 预测的结果：（i）掩蔽预测器，（ii）风险预测器和（iii）癌症迹象预测器（由一个商业CAD 模型和一个内部学术 CAD 模型）；将分数乘以（110-年龄）/70 也将妇女的年龄考虑在内。 年龄因素的目的是在较低和较高年龄组中获得相对相似的 MRI 检查比例。 人工智能工具的目的是识别最有可能延迟癌症检测的女性，即进行假阴性筛查乳房 X 光检查的女性。

卡罗林斯卡研究所（由 Fredrik Strand 博士领导）和皇家理工学院（由 Kevin Smith 博士领导）的研究人员开发了一个基于人工智能的框架。 本研究中的特定 AI 实现（AI 工具）是三个等权重组件 AI 模型分析乳房 X 线照片的 AI 预测的结果：（i）掩蔽预测器，（ii）风险预测器和（iii）癌症迹象预测器（由一个商业CAD 模型和一个内部学术 CAD 模型）；将分数乘以（110-年龄）/70 也将妇女的年龄考虑在内。 年龄因素的目的是在较低和较高年龄组中获得相对相似的 MRI 检查比例。 人工智能工具的目的是识别最有可能延迟癌症检测的女性，即进行假阴性筛查乳房 X 光检查的女性。 在研究期间，特定的 AI 工具及其设置将保持不变。 对于每次检查，AI 工具都会生成 AI Joint Score 和 AI Masking Score。 AI Masking Score 分界点由 2021 年 3 月 1 日至 3 月 24 日初期收集的考试的中位数定义。 AI 联合评分的分界点由初始人口的第 92 个百分位数定义。 符合这些标准的女性将被邀请参加研究，并随机接受 MRI 或非 MRI（标准护理）。

将使用 GE Healthcare 的 Signa Premier 3T MRI 扫描仪。 MRI 协议将包含一个 T2 加权 Dixon 序列和一个 T1 加权动态对比增强系列，并且在整个研究过程中保持不变。 所有 MRI 检查都将由两名放射科医生进行评估，第二位读者将可以访问第一位读者的评估。 如有分歧，将由两名放射科医师进行共识讨论。 MRI 检查将根据 BI-RADS 进行评估，后续将取决于 BI-RADS 类别（图 2）。 患有 BI-RADS 1-2 的女性将不会接受进一步的诊断，并且会收到一封“健康信”。 BI-RADS 3 至 5 的女性将被召回进行二次超声检查。 BI-RADS 4-5 的女性将被纳入确定癌症怀疑的常规流程，并在多学科团队会议上进行讨论。 对于 BI-RADS 3 的女性，随访将在乳腺放射科进行。