自动化乳腺超声与人工智能结合：一种用于BIRADS 3–4级乳腺病变的精准分类工具

《Journal of Ultrasound》：Automated breast ultrasound (ABUS) meets artificial intelligence: a new accurate classification tool for BIRADS 3–4 breast lesions

　　

摘要

目的

乳腺超声检查在解读方面常常面临挑战（BIRADS 3–BIRADS 4级病变），这就使得核心针穿刺活检的需求变得十分迫切。在这种情况下，基于机器学习人工智能的计算机辅助诊断工具，若能应用于自动乳腺超声系统所获取的图像上，通过即时自动分析超声病变的特征及其可疑程度，有望提供更准确的诊断结果。本研究的目的是评估该计算机辅助诊断工具在分析自动乳腺超声系统图像时，对BIRADS 3–4级病变的诊断准确性。

材料与方法

共有54名患者接受了自动乳腺超声检查，每侧进行三次扫描，从而生成轴向、冠状和矢状面的图像。两名资深放射科医生为需用计算机辅助诊断工具分析的病变区域划定感兴趣区域，并就相关图像达成一致意见。仅纳入被分类为BIRADS 3–4级的乳腺病变，共计68例（32例为BIRADS 3级，36例为BIRADS 4级）。将计算机辅助诊断工具的分析结果与所有病例中核心针穿刺活检的组织学检查结果进行对比，进而计算出灵敏度、特异性、准确率、阳性预测值和阴性预测值。

结果

组织学检查确认有40例为阳性病变，28例为阴性病变。计算机辅助诊断工具将38例判定为可疑病变，其中出现6例假阳性、22例真阴性和2例假阴性。对应的灵敏度、特异性、准确率、阳性预测值和阴性预测值分别为95%、79%、88%、86%和92%。

结论

所提出的计算机辅助诊断系统在识别由自动乳腺超声系统诊断出的BIRADS 3–4级乳腺病变方面具有较高的准确性，因此可应用于临床实践，帮助放射科医生更好地分析超声图像，同时减少所需的核心针穿刺活检次数。