Co bylo ve studii hodnoceno
Tato studie hodnotila systém automatického detekce a segmentace založený na hlubokém učení (Carebot AI MMG v1.0) pro identifikaci podezřelých lézí prsu na digitálních mamografiích. Algoritmus byl přímo implementován do PACS (Systém archivace a komunikace obrazů) a jeho výkonnost byla ověřena na datasetu INbreast, porovnávající výstupy AI s anotacemi na úrovni radiologa k posouzení jeho použitelnosti jako nástroje pro podporu rozhodování. ResearchGate
Výsledky studie v klinické praxi
AI dosáhla vysoké citlivosti při detekci lézí prsu, což naznačuje nízkou míru přehlédnutí nálezů, přičemž si udržela přijatelnou míru falešně pozitivních nálezů. Citlivost byla vyšší než specificita, což naznačuje, že model je efektivní při vyflagování potenciálních lézí pro revizi radiologem. V klinické praxi to znamená, že systém může pomoci radiologům včas detekovat jemné mamografické abnormality a fungovat jako nástroj pro triáž a upozornění integrovaný do běžného pracovního postupu. Carebot
Klíčová čísla
Rakovina prsu je jednou z nejrozšířenějších forem rakoviny postihující ženy. Detekce podezřelých lézí na mamografických snímcích se považuje za náročný úkol kvůli variabilitě velikosti a tvaru lézí, problematickým okrajům nálezů a některým extrémně malým lézím, které jsou obtížné lokalizovat. S rostoucí dostupností digitalizovaných klinických archivů a rozvojem složitých metod hlubokého učení (DL) jsme svědky trendu směřujícího k integraci robustních systémů počítačové pomoci při detekci (CAD), které pomáhají v automatické segmentaci lézí na mamogramech pro pomoc při diagnostice rakoviny prsu. Tato studie představuje algoritmus automatické detekce založený na hlubokém učení (DLAD), který je přímo implementován v systému pro archivaci obrazů a komunikaci (PACS), aby pomohl zlepšit pracovní postup radiologa. Navrhovaný DLAD je hodnocen na souboru INbreast s velikostí vzorku n=138 (71 [51,45 %] obrázků BI-RADS 4/5/6, 67 [48,55 %] obrázků BI-RADS 1). Předběžné výsledky ukazují citlivost 0,9296 [95 % CI 0,8701-0,9891], specificitu 0,7273 [0,6207-0,8339] a IoU 0,5661, což naznačuje nízkou míru falešné negativity při zachování rozumné míry falešné pozitivnosti.
