AI提供准确的乳腺密度分类

一个人工智能(AI)工具可以在乳房x光检查准确、一致乳腺密度进行分类,根据一项研究放射学:人工智能。

乳腺密度反映的数量在乳房组织fibroglandular常见乳房x光检查。乳腺癌乳房密度高是一个独立的危险因素,及其掩蔽效应的潜在损伤减少乳房x光检查的敏感性。因此,美国的很多州都有法律要求致密乳房的女性乳房x光检查后被告知,以便他们可以选择进行补充测试来提高癌症检测。

在临床实践,乳房密度是视觉评估两个视图的乳房x光片,最常见的与美国放射学院乳房Imaging-Reporting和数据系统(BI-RADS) four-category规模,从类别几乎完全是脂肪乳类D密度极高。系统有一定的局限性,如视觉分类容易inter-observer可变性,或两个或更多的人之间的差异评估,和intra-observer可变性,或差异出现在同一个人重复评估。

为了克服这种可变性,意大利的研究人员开发的软件乳腺密度基于人工智能的一种叫做分类深度学习与卷积神经网络一种复杂的人工智能,能够辨别细微的模式图像超出人眼的功能。研究人员训练软件,称为TRACE4BDensity,七位有经验的放射科医生的监督下独立视觉评估760乳腺图像。

外部验证的工具是由三个放射科医生最近共识384乳腺图像的数据集获得从一个不同的中心。

TRACE4BDensity显示,89%准确区分低密度(BI-RADS类别A和B)和高密度(BI-RADS类C和D)乳房组织,90%的协议之间的工具和三个读者。所有的分歧都在邻近BI-RADS类别。

”这个工具的特定值的可能性是克服人类视觉密度分类的再现性不佳,限制了其实际的可用性,”研究作者说塞吉奥爸爸,医学博士先涛公司记录犬的米兰,意大利。”一个健壮的工具,提出了密度作业标准化的方式可以帮助很多决策。”

这样的工具将会特别有价值,研究人员说,随着乳腺癌筛查越来越个性化,密度评估占危险分层的一个重要因素。

“TRACE4BDensity这样的工具可以帮助我们建议致密乳房的女性,消极的乳房x光检查后,补充与超声筛查,MRI或对比度增强乳房x光检查,“研究合作者Francesco Sardanelli说,医学博士,从IRCCS亲自到圣Donato圣Donato意大利。

研究人员计划进一步的研究,以更好地理解软件的全部功能。

“我们愿进一步评估TRACE4BDensity AI工具,特别是在国家规定妇女密度并不活跃,通过评估这些工具的有效性为放射科医生和病人,”研究的合著者说基督教萨尔瓦多,博士,高级研究员,高级研究大学国际单位帕维亚和DeepTrace技术的联合创始人兼首席执行官。