基于人工智能的MRI圖像分析可能有效地檢測(cè)出乳腺密度高的女性的乳腺癌

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(shù)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(gè)問(wèn)題，即在乳房致密的婦女中很難發(fā)現(xiàn)癌癥。 然而，一項(xiàng)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(lái)補(bǔ)充乳房X光檢查，可以幫助快速和準(zhǔn)確地確定是否存在乳腺癌。 荷蘭烏特勒支大學(xué)醫(yī)學(xué)中心的Erik Verburg及其同事的研究結(jié)果于10月5日發(fā)表在《放射學(xué)》上。

根據(jù)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(jié)果分為四類：脂肪型、分散型、異質(zhì)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(gè)原因，乳房X光檢查對(duì)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(fēng)險(xiǎn)是 "脂肪 "婦女的三至六倍，是普通婦女的兩倍。

利用來(lái)自密集組織和早期乳腺腫瘤篩查(DENSE)試驗(yàn)的MRI數(shù)據(jù)，Verburg及其同事開(kāi)發(fā)并訓(xùn)練了一個(gè)深度學(xué)習(xí)模型來(lái)區(qū)分有病變和無(wú)病變的乳房。 然后我們測(cè)試了該模型是否能在具有致密乳房的婦女的MRI圖像中識(shí)別可能的乳腺癌。 該模型使用來(lái)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(jù)進(jìn)行了訓(xùn)練和驗(yàn)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(jì)劃。

在總共9162個(gè)乳房中，838個(gè)有一個(gè)或多個(gè)病變，其中77個(gè)是惡性的。 深度學(xué)習(xí)模型將90.7%有病變的MRI圖像識(shí)別為 "不正常，需要由放射科醫(yī)生進(jìn)一步檢查"。 另一方面，該模型能夠?qū)?9.7%的沒(méi)有病變的MRI圖像識(shí)別為不需要進(jìn)一步檢查。

在評(píng)論這些結(jié)果時(shí)，Verburg說(shuō)："我們的研究表明，人工智能可以用來(lái)安全地避免核磁共振乳房成像，而不會(huì)錯(cuò)過(guò)惡性腫瘤，"他在大學(xué)的一份新聞稿中說(shuō)。 結(jié)果比我們預(yù)期的要好。 40%沒(méi)有癌癥的人可以免于核磁共振成像，這是一個(gè)好的開(kāi)始。 但我們?nèi)匀恍枰谑Ｏ碌?0%上有所改進(jìn)，"他補(bǔ)充說(shuō)。

Verburg說(shuō)："這樣一個(gè)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(bǔ)充說(shuō)："這種基于人工智能的方法應(yīng)首先用于減少放射科醫(yī)生的閱讀時(shí)間。 這將使放射科醫(yī)生有更多時(shí)間專注于非常復(fù)雜的乳腺M(fèi)RI檢查。