(资料图片)

根据发表在 ARRS 自己的放射学杂志( AJR )上的一份被接受的手稿，基于深度学习的计算机辅助诊断 (CAD) 用于超声乳腺病变分类显着提高了放射科医生的诊断性能-特别是为了减少良性乳腺活检的频率。

与在三级和/或城市中心支持 CAD 的文献相比，这项对没有乳腺超声专业知识的放射科医生进行的前瞻性多中心研究的结果“在不完全获得乳腺成像专业知识的环境中支持 CAD，”通讯作者 Li-Gang Cui 医学博士写道，来自中国北京的北京大学第三医院。

Cui 等人的AJR研究包括计划于 2021 年 11 月至 2022 年 9 月在八家中国二级或农村医院接受乳腺病变活检或手术切除的患者，这些患者在先前的乳腺超声检查中被分类为 BI-RADS 类别 3-5。患者接受了额外的研究性乳腺超声检查，均由不具备该模式专业知识的放射科医生执行和解释。混合体-乳腺成像仪——缺乏乳腺亚专业培训或乳腺超声占其每年进行的超声检查不到 10% 的放射科医生——然后分配一个 BI-RADS 类别。CAD 结果用于将读者指定的 BI-RADS 3 类病变升级为 4A 类，以及将 BI-RADS 4A 病变降级为 3 类。活检或切除的组织学结果作为研究人员的参考标准。

最终，将 CAD 应用于没有乳腺超声专业知识的放射科医师的解释导致 6.0% (6/100) 的 BI-RADS 3 类评估升级到 4A 类，其中 16.7% (1/6) 是恶性的，并且降级79.1% (87/110) 的 4A 类评估为 3 类，其中 4.6% (4/87) 为恶性。

由于缺乏乳腺成像专业知识的机构也可能遇到执行图像引导乳腺活检和活检标本病理评估的能力问题，减少 CAD 的良性活检护理“将是有影响的，”这份 AJR 接受的手稿的作者补充说。

标签：

版权声明：本文由用户上传，如有侵权请联系删除！

关键词：