人工智能有助于排除高密度乳腺癌症

根据发表在《柳叶刀》杂志上的一项研究，一种使用人工智能(AI)的自动化系统可以快速准确地筛选乳腺致密性女性的乳腺核磁共振成像，以排除那些没有癌症的女性，从而解放放射科医生，专注于更复杂的病例放射学．

乳房x光检查有助于减少死亡乳腺癌通过在癌症最可治疗的时候提供早期检测。然而，乳腺密度极高的女性比乳腺脂肪较多的女性更不敏感。此外，乳房密度极高的女性患乳腺癌的风险要高出3到6倍乳房患癌症的几率比全胸脂肪的女性高两倍。

补充筛选在乳腺密度极高的女性中癌症检测。来自荷兰的一项大型研究——致密组织和早期乳腺肿瘤筛查(Dense)试验的研究支持使用MRI进行补充筛查。

荷兰乌得勒支大学医学中心影像科学研究所的首席作者Erik Verburg理学硕士说:“稠密试验表明，对乳腺密度极高的女性进行额外的MRI筛查是有益的。”“另一方面，DENSE试验证实，绝大多数接受筛查的女性在MRI上没有任何可疑的发现。”

由于大多数核磁共振成像显示正常的解剖和生理变异，可能不需要放射检查，因此需要对这些正常的核磁共振成像进行分类，以减少放射科医生的工作量。

在这类研究中，Verburg和他的同事们开始确定一种自动分类方法的可行性深度学习这是一种复杂的人工智能。他们使用来自DENSE试验的乳腺MRI数据来开发和训练深度学习模型，以区分有无病变的乳腺。该模型使用来自7家医院的数据进行训练，并使用来自第8家医院的数据进行测试。

超过4500个MRI数据集致密的乳房被包括在内。在9162个乳房中，838个至少有一个病变，其中77个是恶性的，8324个没有病变。

的深度学习模型认为90.7%的mri病变为异常，并将其分类至放射学复查。它排除了大约40%的无病变核磁共振成像，没有遗漏任何癌症。

“我们证明了它是可以安全使用的人工智能可以在不遗漏任何恶性疾病的情况下忽略乳房mri筛查，”Verburg说。“结果比预期的要好。40%是一个好的开始。然而，我们还有60%需要改进。”

Verburg说，基于人工智能的分类系统有可能显著减少放射科医生的工作量。仅在荷兰，就有近82,000人女性可能有资格根据乳腺密度进行两年一次的MRI乳腺筛查。

Verburg说:“这种方法首先可以用来帮助放射科医生减少整体阅读时间。”“因此，可以有更多的时间专注于真正复杂的乳房核磁共振检查。”

研究人员计划在其他数据集中验证该模型，并将其部署在DENSE试验的后续筛选轮中。