基于人工智能深度学习算法的超声诊断系统在触诊阴性的乳腺结节良恶性鉴别中的应用

作者：刘瑞^*; 袁文佳; 刘巍

来源：郑州大学学报(医学版), 2023, 58(03): 406-410.

DOI：10.13705/j.issn.1671-6825.2022.11.094

• 乳腺结节
• 良恶性鉴别
• 超声诊断
• 人工智能

目的:探讨基于人工智能深度学习算法的超声诊断系统在触诊阴性的乳腺结节良恶性鉴别中的应用。方法:回顾性分析120例乳腺结节患者临床资料，所有纳入的病例术前触诊阴性，并行超声检查、超声弹性成像以及人工智能深度学习算法S-Detect检查，术后有完整的病理组织学报告。分别计算超声弹性成像、人工智能S-Detect以及联合诊断方法对于乳腺良恶性结节的诊断价值。结果:120例患者共检查出153个乳腺病灶，组织病理学检查中良性病灶共97个，恶性病灶共56个。超声弹性成像共检出60个恶性结节和93个良性结节，超声弹性成像诊断敏感度75.00%,特异度81.44%,阳性预测值70.00%,阴性预测值84.95%,准确度79.08%。人工智能S-Detect共检出67个恶性结节和86个良性结节，人工智能S-Detect诊断敏感度91.07%,特异度83.51%,阳性预测值76.12%,阴性预测值94.19%,准确度86.27%。二者联合诊断共检出65个恶性结节和88个良性结节，诊断敏感度94.64%,特异度87.63%,阳性预测值81.54%,阴性预测值96.59%,准确度90.20%。与单独超声弹性成像或人工智能S-Detect相比，联合诊断方案AUC(95%CI)为0.864(0.790～0.942),具有更好的诊断效果。结论:基于人工智能深度学习算法的超声诊断系统在触诊阴性的乳腺结节良恶性鉴别中的应用效果较好，有助于辅助临床诊断。

• 单位
  河南省肿瘤医院; 郑州大学