深度學(xué)習(xí)工具可巧妙地引導(dǎo)患者走向或遠(yuǎn)離乳房活檢

小編發(fā)現(xiàn)不少朋友對于 深度學(xué)習(xí)工具可巧妙地引導(dǎo)患者走向或遠(yuǎn)離乳房活檢 這方面的信息都比較感興趣，小編就針對 深度學(xué)習(xí)工具可巧妙地引導(dǎo)患者走向或遠(yuǎn)離乳房活檢 整理了一些相關(guān)方面的信息 在這里分享給大家。

得克薩斯州和的研究人員已經(jīng)合作開發(fā)了一種深度學(xué)習(xí)工具，可以精確地評估乳房X線照片中存在令人擔(dān)憂的病變的患者的乳腺癌風(fēng)險以及進(jìn)行活檢的必要性。

他們的主要成就是訓(xùn)練一種算法，以將其定位在明確定義的患者亞組中，這些患者的乳房X光檢查結(jié)果歸為BI-RADS 4(放射學(xué)院開發(fā)的評分范圍為0至6)。

休斯頓衛(wèi)理公會的資深作者Stephen Wong博士及其同事于 5月29日在JCO Clinical Cancer Informatics上發(fā)表了他們的工作。

在概述其項目的目標(biāo)時，研究小組指出，在整個乳房X線攝影人群中，假陽性結(jié)果的比率僅為7%至10%。

但是，在BI-RADS 4中，它占了70%。

這組作者寫道：“由于BI-RADS詞典的應(yīng)用中觀察者之間存在很大差異，因此活檢的決定差異很大，并導(dǎo)致過度診斷和過多的活檢。”

許多BI-RADS 4患者被送去進(jìn)行不必要的活檢，這不僅有其自身的風(fēng)險，而且還會使患有過度焦慮癥的患者受到影響。

Wong和同事建立了完善的風(fēng)險評估模型，使用自然語言處理和深度學(xué)習(xí)流程對來自5,000名患者的記錄進(jìn)行了算法訓(xùn)練。培訓(xùn)集不僅包括乳房X線照片和人口統(tǒng)計學(xué)數(shù)據(jù)，還包括放射學(xué)和病理學(xué)報告。

他們還收集并計算了BI-RADS 4患者的主要臨床特征。他們希望以此為基礎(chǔ)，為活檢建議建立一個指標(biāo)測量指標(biāo)，他們希望該指標(biāo)能夠證明其臨床相關(guān)性，豐富的信息并且比傳統(tǒng)的BI-RADS 4評分更為準(zhǔn)確。

為了驗證他們的新系統(tǒng)，他們評估了來自1,200多名BI-RADS 4患者的數(shù)據(jù)。

經(jīng)過分析，他們發(fā)現(xiàn)自己的方法(被稱為BRISK乳腺癌風(fēng)險計算器)具有100%的敏感性(正確識別真正的癌癥)，74%的特異性(排除非癌性病變)和總體準(zhǔn)確性為81 %。

作者總結(jié)說：“異常乳腺X線攝影的風(fēng)險使用了集成的人工智能技術(shù)，并且在預(yù)測惡性腫瘤方面顯示出很高的敏感性。” “前瞻性評估正在進(jìn)行中，可以在做出有關(guān)活檢的明智決定時改善患者-醫(yī)師的參與。”