摘要
目的 基于实时动态图像的人工智能系统来开展研究。通过对乳腺病变进行全面立体的观察，分析比较实时动态人工智能系统与不同年资超声医师对乳腺良恶性疾病的诊断效能，综合分析该人工智能系统辅助不同年资医师诊断乳腺良恶性疾病的价值，提高乳腺疾病超声诊断的正确率。 资料与方法 筛选于2020年9月-2022年7月期间，在大连医科大学附属第一医院因乳腺结节就诊行超声引导下穿刺活检或常规外科手术并且有明确病理诊断的患者共计194名；乳腺病灶的总数量为210例，患者年龄为18-88岁，平均年龄为（49.03±12.72）岁，所有患者均为女性；其中恶性病灶共计66例，患者年龄为36-88岁，平均年龄为（57.55±17.50）岁；良性病灶为144例，患者年龄为18-69岁，平均年龄为（45.12±10.90）岁。 本次研究采用的超声诊断仪器为飞利浦EPIQ-7，超声探头为浅表线阵探头，型号为L12-5。AI系统为北京医准智能科技有限公司产品，该AI系统与超声仪器相连接并进行匹配，在进行超声诊断时嘱咐就诊患者为仰卧位，双手举过头顶，露出完整的两侧乳腺及腋窝，之后分别由一名低年资医师（从业时间＜2年）、中年资医师（从业时间2-10年）、高年资医师（从业时间＞10年）以乳头为中心，放射状扫查各象限腺体及腋下淋巴结，找出相应乳腺病灶并确定BI-RADS分类结果；随后进入AI系统的病灶分析功能，由另一位医师对病灶分别进行纵切和横切扫查，每次扫查均从肿物的一端开始到另一端结束，最终得出AI系统下实时动态扫查病灶的BI-RADS分类结果。 根据就诊患者实际检查情况，分别记录高年资、中年资及低年资医师确定的BI-RADS分类结果及对其乳腺结节的超声描述，包括乳腺结节的具体位置、大小、纵横比、边界、边缘、形态、内部回声、后方声影、钙化及内部及周边血流情况等；另外记录留存经AI系统扫描得出的BI-RADS分类结果，同时AI系统下的所有超声描述待乳腺结节扫查完成后将自动生成保存。根据美国放射协会2013年制定颁布的最新版BI-RADS分类超声词典，4A类结节恶性率为2%-10%，提示为低度可疑恶性；4B类结节恶性率为10%-50%，提示为中度可疑恶性。我们以4A类结节为诊断乳腺疾病良恶性的截点，即把4A类及以下结节（包括3类、4A类）视为良性结节，4B类及以上结节（包括4B类、4C类、5类）视为恶性结节。 结果 1.AI诊断乳腺良恶性疾病的灵敏度、特异度、准确度、约登指数、阴性预测值及阳性预测值分别为89.40%、86.81%、87.62%、76.21%、91.24%、75.64%，AUC（即ROC曲线下面积）值为0.881。 2.低年资医师诊断乳腺良恶性疾病的灵敏度、特异度、准确度、约登指数、阴性预测值及阳性预测值分别为90.77%、71.72%、78.10%、62.49%、95.54%、59.00%，AUC值为0.816；中年资医师诊断的各项数值为93.94%、80.56%、84.76%、74.50%、96.67%、68.89%，AUC值为0.852；高年资医师诊断的各项数值为96.97%、88.19%、90.95%、85.16%、98.45%、79.01%，AUC值为0.926。AI系统诊断乳腺良恶性疾病的特异度、准确度、约登指数及阳性预测值均高于低、中年资医师，但低于高年资医师。 3.基于实时动态图像的AI系统诊断乳腺良恶性疾病的AUC高于低、中年资医师，低于高年资医师，差异均具有统计学意义（P＜0.01）。 结论 基于实时动态图像的AI系统对于乳腺良恶性疾病的诊断效能优于低、中年资医师，略低于高年资医师，可以有效帮助低、中年资超声医师提高对乳腺癌诊断的准确率，对高年资医师的诊断也有一定的辅助作用，从而提升常规乳腺超声的诊断质量。
NETL