人工智能辅助计算机辅助设计（AI-CAD）软件在自动乳腺超声检查中用于乳腺癌检测的有效性

《Journal of Imaging Informatics in Medicine》：Effectiveness of AI-CAD Software for Breast Cancer Detection in Automated Breast Ultrasound

AI辅助检测在自动乳腺超声中显著提升诊断性能和效率，尤其对经验较少的放射科医生效果更明显，缩短平均阅片时间25秒。

　　

摘要

本研究旨在评估基于深度学习的计算机辅助检测（AI-CAD）在自动化乳腺超声（ABUS）中的诊断性能和临床实用性，研究对象包括具有不同ABUS经验的放射科医生。这项回顾性研究共纳入了114名女性（228侧乳腺），她们在2019年接受了ABUS检查。三名放射科医生分别在使用AI-CAD和不使用AI-CAD的情况下对图像进行了解读。我们评估了灵敏度、特异性、阳性预测值（PPV）、阴性预测值（NPV）、准确率以及曲线下面积（AUC），同时还记录了阅片时间和不同观察者之间的共识程度，这些指标均基于乳腺影像报告与数据系统（BI-RADS）的分类标准及活检建议。在114名女性中（平均年龄50.9±10.8岁），有28人被诊断为乳腺癌。使用AI-CAD后，以下各项指标显著提升：阅片医生1（ABUS经验最少的医生，仅有2年经验）的AUC从0.837提高至0.947（p=0.009），NPV从95.8%提高至98.4%（p=0.022）；阅片医生2（有7年经验）的PPV从50.0%提高至59.5%（p=0.042）；阅片医生3（有8年经验）的PPV从55.6%提高至66.7%（p=0.034）。使用AI-CAD的阅片医生1的表现与经验更丰富的医生相当或更优。具体而言，与阅片医生2相比，其特异性（93.5% vs 88.0%）、PPV（65.8% vs 50.0%）和准确率（93.0% vs 87.7%）均更高。尽管阅片医生3在没有使用AI-CAD的情况下表现出更高的NPV（98.4% vs 95.8%）和AUC（0.954 vs 0.837），但在使用AI-CAD后，这些差异不再显著。总体而言，AI-CAD使所有阅片者的平均阅片时间缩短了25秒（p<0.001）。使用AI-CAD后，不同观察者之间的共识程度也有所提高（BI-RADS κ值从0.279上升至0.363；活检建议的κ值从0.666上升至0.736），但差异无统计学意义。AI-CAD显著提升了ABUS诊断的准确性和阅片效率，尤其是对经验较少的阅片医生而言，改善效果最为明显。

本研究旨在评估基于深度学习的计算机辅助检测（AI-CAD）在自动化乳腺超声（ABUS）中的诊断性能和临床实用性，研究对象包括具有不同ABUS经验的放射科医生。回顾性研究共纳入114名女性（228侧乳腺），她们在2019年接受了ABUS检查。三名放射科医生分别在使用AI-CAD和不使用AI-CAD的情况下对图像进行了解读。我们评估了灵敏度、特异性、阳性预测值（PPV）、阴性预测值（NPV）、准确率以及曲线下面积（AUC），同时还记录了阅片时间和不同观察者之间的共识程度，这些指标均基于乳腺影像报告与数据系统（BI-RADS）的分类标准及活检建议。在114名女性中（平均年龄50.9±10.8岁），有28人被诊断为乳腺癌。使用AI-CAD后，以下各项指标显著提升：阅片医生1（ABUS经验最少的医生，仅有2年经验）的AUC从0.837提高至0.947（p=0.009），NPV从95.8%提高至98.4%（p=0.022）；阅片医生2（有7年经验）的PPV从50.0%提高至59.5%（p=0.042）；阅片医生3（有8年经验）的PPV从55.6%提高至66.7%（p=0.034）。使用AI-CAD的阅片医生1的表现与经验更丰富的医生相当或更优。具体而言，与阅片医生2相比，其特异性（93.5% vs 88.0%）、PPV（65.8% vs 50.0%）和准确率（93.0% vs 87.7%）均更高。尽管阅片医生3在没有使用AI-CAD的情况下表现出更高的NPV（98.4% vs 95.8%）和AUC（0.954 vs 0.837），但在使用AI-CAD后，这些差异不再显著。总体而言，AI-CAD使所有阅片者的平均阅片时间缩短了25秒（p<0.001）。使用AI-CAD后，不同观察者之间的共识程度也有所提高（BI-RADS κ值从0.279上升至0.363；活检建议的κ值从0.666上升至0.736），但差异无统计学意义。AI-CAD显著提升了ABUS诊断的准确性和阅片效率，尤其是对经验较少的阅片医生而言，改善效果最为明显。