AI可以辅助放射科医师发现乳腺癌

在《柳叶刀数字健康》上发表的数据表明，与放射线医生相比，利用大规模乳腺摄影数据开发的人工智能(AI)算法在乳腺癌检测中表现出更好的诊断性能。1个

在AI的帮助下，放射科医生的表现得到了显着改善，这支持将AI应用于乳房X线照片作为诊断支持工具。

“从乳房X光检查图像中检测到恶性病变的最大问题之一是，减少假阴性(漏诊病例)，放射科医生往往会增加召回率，铸就更广泛的安全网，从而带来更多的不必要的活检，” Eun-Kyung通讯员韩国延世大学遣散医院乳房放射线医师金医师在新闻稿中说。2“正确解释乳腺图像需要丰富的经验，我们的研究表明，AI可以帮助召回更少的乳腺癌，从而发现更多的乳腺癌，还可以在早期发现癌症。”

AI算法(由Lunit出售为Lunit INSIGHT MMG)是使用从韩国，美国和英国的5个机构收集的170,230例乳腺摄影检查开发并验证的，包括亚洲和白人女性乳房图像。在整个队列中，经活检确诊的癌症阳性病例为36468例，经活检或随访影像学证实的良性病例为59544例，无问题的确诊为74218例。

对于多中心，观察者盲目的读者研究，分别从2个机构中获得了320例乳房X线照片(160例癌症阳性，64例良性，96例正常)。此外，有14位放射科医生以读者的身份参加了会议，并评估了每个乳房X线照片的恶性可能性(LOM)，恶性位置以及是否需要召回患者，首先是在没有AI算法的情况下，然后借助AI算法。根据接收器工作特征曲线(AUROC)下基于LOM的面积以及基于召回的灵敏度和特异性评估性能。

Lunit首席产品官金孝恩(Hyo-Eun Kim)说：“这是前所未有的，具有准确的事实真相的数据量-特别是36,000例癌症病例，比以前进行的类似研究的通常数据集的数量大7倍。”“由于种族多样性，涵盖了各种成像和扫描条件的数据质量也得到了保证。自2016年初以来，Lunit INSIGHT MMG多年来的发展一直是关键，数据集的多样性与我们的算法的独特性(相互交互设计)之间的结合是关键。

AI的独立性能总体为AUROC 0.959(95%CI，0.952-0.966)，在韩国数据集中为0.970(95%CI，0.963-0.978)，在美国为0.953(95%CI，0.938-0.968)。数据集，以及英国数据集中的0.938(95%CI，0.918-0.958)。在读者研究中，AI的性能水平为0.940(0.915-0.965)，显着高于没有AI辅助的放射科医生的水平(0.810; 95%CI 0.770-0.850;P<0.0001)。添加AI辅助后，放射线医生的性能提高到0.881(0.850-0.911;P<0.0001)。

此外，与放射线医师相比，人工智能对于更大规模的癌症(占检测到的59种癌症的90%比78%;P= 0.044)或畸变或不对称性(占检测到的20种癌症的90%vs 50%;P= 0.023)更加敏感。与放射科医生相比，AI在检测T1癌症(91%vs 80的74%;P= 0.0039)或淋巴结阴性癌症(87%vs 119的74%;P= 0.0025)方面更好。

作者写道：“这一结果表明AI可以用作乳腺癌检测的有效诊断支持工具，值得在前瞻性试验中对其进行评估。”

韩国食品药品安全部已经批准了Lunit INSIGHT MMG，并且AI算法已经可以在市场上买到并正在临床使用。此外，认可机构有待第一季度获得欧盟委员会的批准，并有望在今年晚些时候获得FDA批准。