基于人工智能的MRI圖像分析可能有效地檢測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射線照相術的廣泛使用使乳腺癌的早期發現成為可能，并減少了死亡人數。 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現癌癥。 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學中心的Erik Verburg及其同事的研究結果于10月5日發表在《放射學》上。
根據乳房中乳腺組織和脂肪組織的數量，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，乳腺呈現白色，但諸如癌癥等病變也呈現白色。 由于這個原因，乳房X光檢查對乳腺癌的發現率在 "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數據，Verburg及其同事開發并訓練了一個深度學習模型來區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可以大大減少放射科醫生的工作量。 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生的閱讀時間。 這將使放射科醫生有更多時間專注于非常復雜的乳腺MRI檢查。