有数睾丸MRI在内的睾丸核磁共振在快速加强睾丸癌疗程的过程中所发挥了关键作用。识别允性和恶性病症的近似于MRI特征，以及与各种恶性亚型相关的比如说MRI形态学和物理性质特征，使得放射科牙医并不需要给予比其他有别于的核磁共振模式更加好的病因，并对患者疗程设计方案的制定给予更加引人注目的信息。虽然特性减弱(DCE) MRI的特异性与x线照相依然相当，但在允恶性病症的筛选方面上仍有进一步大幅更加高的空间。部份原因是由于放射科牙医对睾丸癌的审计因高效率差异以及也就是说内和也就是说间说明的差异而情况严重。
多项研究成果开发了集成电路视觉和机器学习的集成电路（AI）管理系统，该管理系统可用作流行病学缩放上的集成电路辅助病因和睾丸病症的量化连续性。放射三组学是集成电路辅助病因的扩展，可给予与生态学和其他流行病学、流行病学和基因三组数据相关的集成电路提取特征。
近日，发表在Radiology杂志的一项研究成果审计了与有别于该软件相比，用作AI管理系统时放射科牙医在睾丸DCE MRI缩放上区别允恶性病症方面的病因性能确实取得加强，为AI在流行病学的进一步应用及研究成果开创了道路。
在本项回顾性研究成果中所，来自8个学术机构和11个个人财产门诊的19名睾丸放射科牙医对睾丸DCE MRI检测的缩放完成了分析。阅读者对每项检测校对两次次。在“第一次校对”时，他们用作了有数物理性质左图在内有别于的集成电路辅助审计该软件。在“第二次审读”中所，通过集成电路辅助病因该软件为他们给予了AI分析。改用受试者工作特性椭圆(ROC)分析来审计阅读者的病因性能，ROC椭圆下面积(AUC)作为区别恶性和允性病症的指标。主要研究成果终点是第一次和第二次校对情况下下AUC的差异。
本研究成果一共纳入111名女性(超过年龄52岁±13岁[标准差])并获得111三组睾丸DCE MRI检测(其中所恶性病症54例，允性病症57例)。当用作AI管理系统时，所有阅读者的超过AUC从0.71更加高到0.76 (P = 0.04)。当用作睾丸影像年度报告和集成电路网络(BI-RADS)一般来说3作为基点时，超过敏感性颇高(从90%更加高到94%;变化的95%数学方法[CI]: 0.8%，7.4%)，但在用作BI-RADS一般来说4a时则不然(从80%到85%;95%数学方法:-0.9%，11%)。无论是用作BI-RADS一般来说4a还是一般来说3作为基点，超过特异性均无显着差异(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。
左图 根据睾丸核磁共振年度报告和集成电路网络(BI-RADS) 4a类持续性在特性减弱睾丸MRI缩放上筛选允恶性病症的病因战斗任务中所，19个阅读者第一次和第二次校对的敏感性和特异性(以百分比表示)比起。
本研究成果确实，集成电路管理系统的用作更加高了放射科牙医在睾丸MRI中所筛选允恶性病症的病因性能，为流行病学进一步制定更加确切的疗程设计方案给予了高效率伤的支持，为集成电路在流行病学及科研上的应用给予了参考依据。
标题出处：
Yulei Jiang,Alexandra V Edwards,Gillian M Newstead.Artificial Intelligence Applied to Breast MRI for Improved Diagnosis.DOI:10.1148/radiol.2020200292
相关新闻
相关问答
