医准智能软件在4类乳腺结节良恶性鉴别诊断中的应用价值

作者：边锦霞; 姜珏; 何鑫; 曹茹; 梁汝娜; 周琦; 王娟^*

来源：中国超声医学杂志, 2023, 39(07): 750-754.

• 乳腺超声
• 乳腺癌
• 人工智能
• 诊断研究

目的 评价医准人工智能(AI)技术在乳腺4类结节良恶性鉴别诊断中的应用价值。方法 选择超声(US)检查的乳腺疾病并且具有组织病理学结果的患者153例，采用回顾性分析法，对医师和AI诊断乳腺病灶的乳腺影像报告和数据系统(US BI-RADS)结果进行分析，统计两种方法的BI-RADS结果并分析其一致性。以组织病理学为“金标准”,计算两种方法诊断效能值，绘制两种方法对入选乳腺病灶的受试者工作特征(ROC)曲线并计算曲线下面积(AUC),分析两种方法组学特征描述的一致性。结果 入选乳腺病灶的良恶性结节类型分别为63例、90例，其中AI将1例浸润性导管癌(IDC)诊断为3类。医师和AI进行BI-RADS分级的K值为0.420,为中高度一致；医师的灵敏度(Sen)、特异度(Spe)、假阳性率(FPR)、假阴性率(FNR)、阳性似然比(LR+)、阴性似然比(LR-)为0.989、0.766、0.234、0.011、4.226、0.159;AI的Sen、Spe、FPR、FNR、LR+、LR-为0.933、0.422、0.578、0.067、1.614、0.014;医师和AI的AUC分别为0.952(95%CI:0.922～0.982)、0.735(95%CI:0.653～0.817)。医师和AI在诊断形状、方向及边缘组学特征分析中K值在0.4～0.75为中、高度一致，具有统计学意义(P<0.05);医师和AI在诊断内部回声、后方回声及病灶内钙化组学特征上一致性差，无统计学意义。结论 医准AI乳腺超声可以对4类乳腺结节良恶性诊断提供信息并且融入指导临床治疗。

• 单位
  西安交通大学第二附属医院