人工智能系统评估BI-RADS 4类乳腺肿块的应用价值

作者：臧爱华; 姜明; 孟聪; 刘梦泽; 李霞^*

来源：中华医学超声杂志(电子版), 2021, 18(08): 795-799.

• 人工智能
• 乳腺肿瘤
• 超声检查
• 诊断,计算机辅助

目的探讨人工智能(AI)系统在乳腺影像报告与数据系统(BI-RADS)4类乳腺肿块良恶性鉴别诊断中的价值。方法回顾性选取2018年1月至2020年2月于青岛市市立医院超声科初诊为BI-RADS 4类乳腺肿块的女性患者226例。所有患者均行常规超声检查,并经手术或穿刺活检取得病理结果。AI系统与不同年资乳腺超声专科医师(2、4、6年)分别对乳腺肿块超声图像进行分析并判断良恶性,应用四格表计算AI系统及不同年资医师对乳腺癌的诊断准确性,采用χ2检验比较AI系统与不同年资医师对不同大小乳腺癌肿块的诊断准确性。结果 226例乳腺肿块均经病理证实,其中良性病灶96例,恶性病灶130例。AI系统诊断乳腺恶性肿块的敏感度、特异度、阳性预测值、阴性预测值和准确性分别为93.84%、92.71%、94.57%、91.75%、93.36%,均高于不同年资医师。AI系统与不同年资医师诊断≤0.5 cm、>0.5～1.0 cm、>1.0～1.5 cm的乳腺癌肿块,其诊断准确性差异均有统计学意义(P=0.029、0.011、0.002);诊断>1.5～2.0 cm、>2.0 cm的乳腺癌肿块,其诊断准确性差异均无统计学意义(P=0.117、0.668)。AI系统与2年资医师诊断≤0.5 cm、>0.5～1.0 cm、>1.0～1.5 cm的乳腺癌肿块,其诊断准确性差异均有统计学意义(P=0.006、0.002、0.001)。结论 AI系统在BIRADS 4类乳腺肿块良恶性判断中具有较高的诊断价值,尤其对直径≤1.5 cm的乳腺癌的诊断;其可辅助低年资超声医师提高乳腺癌的诊断率。

• 单位
  青岛大学附属医院; 青岛市市立医院