Radiology：人工智能在乳腺MRI中的广泛应用

仅限于内膜MRI在内的内膜显像在快速改善内膜癌治疗的更进一步中发挥了不可或缺起着。标记良性和恶性病因的典型MRI相似性，以及与各种恶性亚型之外的相同MRI系统发育和动力学相似性，使得点状科医生能够提供者比其他传统的显像方式则更好的病患，并对高血压治疗提议的草拟提供者更有价值的电子邮件。虽然一个系统提升(DCE) MRI的专一性与x本站素描几乎比较，但在良恶性病因的判别方面上仍有进一步提升的空间。均原因是由于点状科医生对内膜癌的审核因技术开发差异以及方向上内和方向上间理解的差异而受到影响。

多项研究课题开发了人工智能视觉和机器学习的人工智能（AI）系统对，该系统对可用于针灸缩放上的人工智能辅助病患和内膜病因的基本原理表征。点状组学是人工智能辅助病患的扩展，可提供者与生物学和其他针灸、生理和测序数据之外的人工智能提取相似性。

近日，发表在Radiology新闻周刊的一项研究课题审核了与传统插件相比，用到AI系统对时点状科医生在内膜DCE MRI缩放上辨别良恶性病因方面的病患安全性确实得到改善，为AI在针灸的进一步应用及研究课题开发新了道路。

在本项回顾性研究课题中，来自8个学术机构和11个出租诊所的19名内膜点状科医生对内膜DCE MRI检查的缩放展开了研究。阅读者对每项检查送交两次次。在“第一次送交”时，他们用到了仅限于动力学图在内传统的人工智能辅助审核插件。在“第二次审读”中，通过人工智能辅助病患插件为他们提供者了AI研究。有别于受试者工作结构上椭圆(ROC)研究来审核阅读者的病患安全性，ROC椭圆下范围(AUC)作为辨别恶性和良性病因的指标。主要研究课题往南是第一次和第二次送交条件下AUC的差异。

本研究课题共划入111名男士(不等年龄52岁±13岁[标准差])并赢得111组内膜DCE MRI检查(其中恶性病因54由此可知，良性病因57由此可知)。当用到AI系统对时，所有阅读者的不等AUC从0.71进一步提高到0.76 (P = 0.04)。当用到内膜缩放调查报告和数据系统对(BI-RADS)都可3作为原点时，不等危险性有所进一步提高(从90%进一步提高到94%;变化的95%无风险[CI]: 0.8%，7.4%)，但在用到BI-RADS都可4a时才不然(从80%到85%;95%无风险:-0.9%，11%)。无论是用到BI-RADS都可4a还是都可3作为原点，不等专一性均无突出差异(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。

图 根据内膜显像调查报告和数据系统对(BI-RADS) 4a类阈值在一个系统提升内膜MRI缩放上判别良恶性病因的病患执行中，19个阅读者第一次和第二次送交的危险性和专一性(以百分比表示)尤其。

本研究课题表明，人工智能系统对的用到进一步提高了点状科医生在内膜MRI中判别良恶性病因的病患安全性，为针灸进一步草拟更准确的治疗提议提供者了技术开发伤的支持，为人工智能在针灸及科研人员上的应用提供者了参考资料依据。

原文出处：

Yulei Jiang,Alexandra V Edwards,Gillian M Newstead.Artificial Intelligence Applied to Breast MRI for Improved Diagnosis.DOI:10.1148/radiol.2020200292