Co studie hodnotila
Studie hodnotila modul QA, navržený k posouzení polohování při mamografii a technické kvality obrazu.
Modul přiřazuje kategorie PGMI na úrovni snímku: Perfect, Good, Moderate, and Inadequate. Pro primární analýzu byly Perfect a Good seskupeny jako PG, představující diagnosticky přijatelnou kvalitu obrazu, zatímco Moderate a Moderate byly seskupeny jako MI, představující hraniční nebo nepřijatelnou kvalitu obrazu.
Validační soubor dat zahrnoval 60 kompletních mamografických vyšetření, odpovídajících 240 snímkům ze šesti nemocnic ve třech zemích. Referenční označení PGMI a anotace defektů byly stanoveny zkušeným radiologem specializovaným na mamografii.
Výsledky studie v klinické praxi
Carebot AI MMG vykázal slibný výkon při rozlišování diagnosticky přijatelných mamografických snímků od snímků, které mohou vyžadovat přezkoumání z důvodu problémů s polohováním nebo technickou kvalitou.
Pro hlavní binární cíl PG versus MI dosáhl modul 87,92% přesnosti, se srovnatelným výkonem pro přijatelné a hraniční nebo nepřijatelné snímky. Přímá čtyřtřídní klasifikace PGMI byla náročnější, s přesností 69,58%, což odráží subjektivní a postupnou povahu hodnocení PGMI, zejména na hranicích, jako je Perfect versus Good nebo Good versus Moderate.
V praxi to podporuje využití automatizované QA jako nástroje pro podporu rozhodování při třídění kvality pořízení. Zpětná vazba na úrovni defektů může radiografům pomoci identifikovat snímky, které by měly být zkontrolovány předtím, než pacientka opustí zobrazovací pracoviště, a může podpořit místní monitorování kvality i cílené školení.
Klíčová čísla
Analyzované snímky: 240
Nemocnice: 6 nemocnic ve 3 zemích
Referenční standard: zkušený radiolog specializovaný na prsa
Přesnost binárního PG vs MI: 87,92%
Abstrakt
Technická kvalita mamografie závisí na konzistentním umístění, adekvátním zachycení prsní tkáně, správné expozici a absenci významných artefaktů. K zajištění kvality mamografických snímků se používá klasifikace PGMI, ta však zahrnuje kvalitativní posouzení a může se lišit v závislosti na hodnotiteli. Tato retrospektivní multicentrická studie hodnotila automatizovaný modul pro kontrolu kvality mamografie, Carebot AI MMG verze 2.10, z hlediska rozlišení diagnosticky přijatelné kvality snímku od hraniční či nepřijatelné kvality. Validační soubor zahrnoval 60 kompletních mamografických vyšetření, což odpovídá 240 snímkům ze šesti nemocnic ve třech zemích. Referenční označení PGMI a anotace defektů byly přiřazeny zkušeným radiologem specializujícím se na prsa. Pro binární klasifikaci byly snímky s hodnocením „Perfect“ a „Good“ seskupeny jako PG a snímky s hodnocením „Moderate“ a „Inadequate“ jako MI. Modul dosáhl senzitivity 88,49 %, specificity 87,13 %, přesnosti 87,92 % a vyvážené přesnosti 87,81 % pro koncový cíl PG versus MI. Přímá přesnost PGMI ve čtyřech třídách byla 69,58 %. Výsledky podporují technickou proveditelnost automatizovaného třídění kvality snímků z mamografie. Modul QA může pomoci standardizovat okamžitou zpětnou vazbu ohledně kvality snímků a podpořit kontrolu radiologem, místní monitorování kvality a cílené pracovní postupy pro zlepšení kvality. K určení jeho účinku v rutinní mamografické praxi jsou zapotřebí další prospektivní studie s více referenčními čtenáři a koncovými body ovlivňujícími pracovní postupy.
