一种用于乳腺超声检查的非侵入式端到端智能辅助系统

《Nature Communications》：A non-invasive end-to-end intelligent assistance system for breast ultrasound

　　

摘要

尽管人工智能提升了医学图像分类的能力，有效提高了病变诊断的准确性和效率，但在乳腺超声领域仍面临泛化挑战，其临床潜力在复杂的实际应用场景中尚未得到充分挖掘。本文开发并测试了一种端到端的乳腺智能识别系统（BIRD），该系统适用于不同医疗机构和人群的数据集。在内部测试集中，BIRD的准确率为0.837（95%置信区间：0.827–0.846），在两项双读者的研究中显著提高了放射科医生的诊断准确性（P < 0.05）。BIRD被应用于6,817名女性的乳腺癌筛查中，在107家医院的实际应用中与临床评估结果表现出高度一致性（Cohen’s kappa：0.702（95%置信区间：0.628-0.777））。利用五家医院的数据开发的病理学和分子亚型模型也展现了良好的分类性能。这些发现证实了BIRD在提高诊断准确性、辅助筛查以及描述乳腺病变方面的能力，有助于其在乳腺健康实践中的临床应用。中国临床试验注册号：ChiCTR2300073777。