基于人工智能的乳腺超声工具在孕妇和哺乳期女性患者中的诊断准确性

《European Radiology》：Diagnostic accuracy of an artificial intelligence-based breast ultrasound tool in pregnant and lactating patients

　　

摘要

研究目的

评估基于人工智能（AI）的决策支持工具在孕妇和哺乳期妇女乳腺超声检查中的诊断性能，并将BI-RADS评估结果与放射科医生的解读进行比较。

材料与方法

这项回顾性研究纳入了2018年至2021年间在两家学术医疗中心就诊的连续的孕妇或哺乳期妇女患者，这些患者主诉有乳腺问题。符合条件的患者接受了超声检查，其中一个或多个发现被评估为BI-RADS 2-5级，并进行了活检或至少两年的随访。使用基于AI的决策支持工具对检查结果进行分析，并与放射科医生的解读结果进行比较，以参考标准作为评估依据。诊断性能的比较采用了McNemar检验。

研究结果

共有504名女性（平均年龄33岁；年龄范围19-45岁）参与了研究，她们共有639个乳腺超声发现。其中5个发现（0.8%）为恶性，634个（99.2%）为良性。两位放射科医生和AI工具都将4个恶性肿瘤分类为BI-RADS 4或5级，1个恶性肿瘤分类为BI-RADS 3级，敏感性为80.0%（4/5）。在良性病变中，AI工具建议进行活检的比例高于放射科医生（37.1% vs 21.0%，p < 0.001）。排除乳汁囊肿、液体积聚和皮肤病变后，建议活检的比例相似（27.4% vs 23.8%，p = 0.18）。AI工具将更多良性病变分类为BI-RADS 2级（53.1% vs 32.9%，p < 0.001），而将更少的良性病变分类为BI-RADS 3级（19.5% vs 43.3%，p < 0.001）。

结论

在孕妇和哺乳期妇女中，基于AI的决策支持工具显示出的敏感性可与放射科医生相当。在排除AI工具适用范围之外的病变后，AI工具给出了更多的BI-RADS 2级评估和更少的BI-RADS 3级评估。

要点

问题 基于AI的乳腺超声决策支持工具在孕妇和哺乳期妇女中的表现能否与放射科医生相当？

研究结果 AI工具显示出的敏感性可与放射科医生相当，并且在排除适用范围之外的病变后，建议活检的比例也相似。

临床意义 在排除AI工具适用范围之外的病变后，基于AI的乳腺超声决策支持可以减少孕妇和哺乳期妇女不必要的随访检查，同时其敏感性仍可与放射科医生相当。

图形摘要

此图像的替代文本可能是由AI生成的。