Radiology：人工智能在乳腺MRI中的的应用

都有睾丸MRI在内的睾丸扫描在慢速更佳睾丸癌外科手术的过程里发挥了重要作用。识别昌性和恶性肿瘤的典型MRI不同之处，以及与各种恶性冠状病毒就其的类似于MRI形态学和热力学不同之处，使得放射科护士能够透过比其他现代的扫描方式更加好的检验，并对患者外科手术设计方案的订定透过更加有价值的信息。虽然自适应增强(DCE) MRI的抗原与x线照相几乎相当，但在昌恶性肿瘤的识别之外上仍有再进一步大大提高的空间。部分原因是由于放射科护士对睾丸癌的风险评估因新技术区别以及镜像内和镜像间解释的区别而受到影响。

多项研究成果开发新了计算机视觉和机器学习的人工智能（AI）种系统，该种系统可用于流行病学投影上的计算机辅助检验和睾丸肿瘤的定量表征。放射组学是计算机辅助检验的扩展，可透过与微生物学和其他流行病学、病理和测序图表就其的计算机萃取不同之处。

近日，发表在Radiology杂志的一项研究成果风险评估了与现代该软件相比，可用AI种系统时放射科护士在睾丸DCE MRI投影上区分昌恶性肿瘤之外的检验性能指标是否得到更佳，为AI在流行病学的再进一步新技术的发展及研究成果开拓了路面。

在本项回顾性研究成果里，来自8个社会科学机构和11个私人诊所的19名睾丸放射科护士对睾丸DCE MRI检测的投影进行了比对。阅读者对每项检测核对两次次。在“第一次核对”时，他们可用了都有热力学图在内现代的计算机辅助风险评估该软件。在“第二次审读”里，通过计算机辅助检验该软件为他们透过了AI比对。采用受试者社会活动功用曲线(ROC)比对来风险评估阅读者的检验性能指标，ROC曲线下总面积(AUC)作为区分恶性和昌性肿瘤的指标。主要研究成果终点是第一次和第二次核对条件下AUC的区别。

本研究成果合计纳入111名异性恋(不等年龄52岁±13岁[正态分布])并给予111组睾丸DCE MRI检测(其里恶性肿瘤54例，昌性肿瘤57例)。当可用AI种系统时，所有阅读者的不等AUC从0.71再进一步提高到0.76 (P = 0.04)。当可用睾丸影像统计数据和图表种系统(BI-RADS)一般来说3作为切点时，不等敏感性有所再进一步提高(从90%再进一步提高到94%;变化的95%均值[CI]: 0.8%，7.4%)，但在可用BI-RADS一般来说4aMLT-不然(从80%到85%;95%均值:-0.9%，11%)。无论是可用BI-RADS一般来说4a还是一般来说3作为切点，不等抗原均无显着区别(共五52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。

图 根据睾丸扫描统计数据和图表种系统(BI-RADS) 4a类临界值在自适应增强睾丸MRI投影上识别昌恶性肿瘤的检验任务里，19个阅读者第一次和第二次核对的敏感性和抗原(以百分比表示)比较。

本研究成果表明，人工智能种系统的可用再进一步提高了放射科护士在睾丸MRI里识别昌恶性肿瘤的检验性能指标，为流行病学再进一步订定更加直观的外科手术设计方案透过了新技术伤的支持，为人工智能在流行病学及人才培养上的新技术的发展透过了参考依据。

出处出处：

Yulei Jiang,Alexandra V Edwards,Gillian M Newstead.Artificial Intelligence Applied to Breast MRI for Improved Diagnosis.DOI:10.1148/radiol.2020200292