基于乳腺X线摄影的深度学习技术鉴别乳腺影像报告和数据系统3类与4类疾病的价值

作者：欧阳汝珊; 李霖; 林小慧; 赖小慧; 李增艳; 马捷^*

来源：中华放射学杂志, 2023, 57(02): 166-172.

DOI：10.3760/cma.j.cn112149-20220127-00080

• 乳腺肿瘤
• 乳房X线摄影术
• 人工智能
• 深度学习

目的探讨基于乳腺X线摄影的深度学习技术鉴别乳腺影像报告和数据系统(BI-RADS)3类与4类疾病的价值。方法回顾性分析2020年1至12月在深圳市人民医院及深圳市罗湖区人民医院乳腺X线摄影评估为BI-RADS 3类及4类305例患者的临床及影像资料。305例患者共314个病灶, 均为女性, 年龄21～83(47±12)岁。按1∶1比例交叉、简单随机分配给2名工作经验分别为5年及6年普通影像诊断医师(普通医师A、普通医师B)和2名工作经验均为21年且经过专业乳腺影像培训的乳腺影像诊断医师(专业医师A、专业医师B)单独阅片, 之后分别结合深度学习系统再次阅片, 最终将乳腺病变重新分为BI-RADS 3类或4类。采用受试者操作特征曲线及曲线下面积(AUC)评价诊断效能, 以DeLong法比较AUC的差异。结果普通医师A结合深度学习系统重新分类BI-RADS 3类与4类乳腺病灶的AUC较普通医师A单独诊断明显提高(AUC分别为0.79、0.63, Z=2.82、P=0.005);普通医师B结合深度学习系统重新分类BI-RADS 3类与4类乳腺病灶的AUC较普通医师B明显提高(AUC分别为0.83、0.64, Z=3.32、P=0.001)。专业医师A结合深度学习系统与专业医师A、专业医师B结合深度学习系统与专业医师B重新分类BI-RADS 3类与4类乳腺病灶的AUC差异均无统计意义(P>0.05)。结论基于乳腺X线摄影的深度学习系统辅助普通医师鉴别BI-RADS 3类与4类疾病的效能更显著。

• 单位
  第二临床医学院; 深圳市人民医院; 暨南大学; 深圳市罗湖区人民医院科研成果展示