人工智能在稠密乳房女性的MRI圖像中診斷出癌癥

乳房X射線照相術的廣泛使用使乳腺癌的早期發(fā)現(xiàn)成為可能，并減少了死亡人數(shù)。 然而，乳房X光檢查有一個問題，即在乳房致密的婦女中很難發(fā)現(xiàn)癌癥。 然而，一項新的研究表明，用AI(人工智能)分析密布乳房的婦女的MRI圖像來補充乳房X光檢查，可以幫助快速和準確地確定是否存在乳腺癌。 荷蘭烏特勒支大學醫(yī)學中心的Erik Verburg及其同事的研究結果于10月5日發(fā)表在《放射學》上。

根據乳房中乳腺組織和脂肪組織的數(shù)量，將乳房的鉬靶檢查結果分為四類：脂肪型、分散型、異質型和非常密集型。 其中，密度不均勻或非常高的乳房被稱為致密乳房。 在乳腺造影中，乳腺呈現(xiàn)白色，但諸如癌癥等病變也呈現(xiàn)白色。 由于這個原因，乳房X光檢查對乳腺癌的發(fā)現(xiàn)率在 "密度非常高 "的婦女中比在 "脂肪型 "乳房的婦女中低。 因此，"非常高 "的婦女患乳腺癌的風險是 "脂肪 "婦女的三至六倍，是普通婦女的兩倍。

利用來自密集組織和早期乳腺腫瘤篩查(DENSE)試驗的MRI數(shù)據，Verburg及其同事開發(fā)并訓練了一個深度學習模型來區(qū)分有病變和無病變的乳房。 然后我們測試了該模型是否能在具有致密乳房的婦女的MRI圖像中識別可能的乳腺癌。 該模型使用來自4,581名密胸婦女(平均年齡54.3歲)的左右乳房的MRI數(shù)據進行了訓練和驗證，這些婦女在2011年12月至2016年1月期間在荷蘭的8家醫(yī)院參加了乳腺癌篩查計劃。

在總共9162個乳房中，838個有一個或多個病變，其中77個是惡性的。 深度學習模型將90.7%有病變的MRI圖像識別為 "不正常，需要由放射科醫(yī)生進一步檢查"。 另一方面，該模型能夠將39.7%的沒有病變的MRI圖像識別為不需要進一步檢查。

在評論這些結果時，Verburg說："我們的研究表明，人工智能可以用來安全地避免核磁共振乳房成像，而不會錯過惡性腫瘤，"他在大學的一份新聞稿中說。 結果比我們預期的要好。 40%沒有癌癥的人可以免于核磁共振成像，這是一個好的開始。 但我們仍然需要在剩下的60%上有所改進，"他補充說。

Verburg說："這樣一個基于人工智能的分流系統(tǒng)可以大大減少放射科醫(yī)生的工作量。 Verburg補充說："這種基于人工智能的方法應首先用于減少放射科醫(yī)生的閱讀時間。 這將使放射科醫(yī)生有更多時間專注于非常復雜的乳腺MRI檢查。