
-
生物通官微
陪你抓住生命科技
跳动的脉搏
乳腺超声中人工智能决策支持的应用:减少良性活检的潜力
《Breast Cancer Research and Treatment》:Artificial intelligence decision support for breast ultrasound: potential to reduce benign biopsies
【字体: 大 中 小 】 时间:2026年10月22日 来源:Breast Cancer Research and Treatment 3.3
编辑推荐:
摘要目的本研究的目的是评估一项经美国食品药品监督管理局(FDA)批准的用于乳腺超声的人工智能(AI)决策支持工具在减少良性活检方面的潜在影响。方法本研究于2025年3月至5月在两家学术医学中心进行,时间为该FDA批准的人工智能乳腺超声解读决策支持工具(Koios DS;纽约,
本研究的目的是评估一项经美国食品药品监督管理局(FDA)批准的用于乳腺超声的人工智能(AI)决策支持工具在减少良性活检方面的潜在影响。
本研究于2025年3月至5月在两家学术医学中心进行,时间为该FDA批准的人工智能乳腺超声解读决策支持工具(Koios DS;纽约,纽约州)临床实施之后。14名乳腺影像放射科医生记录了BI-RADS 4(可疑)病例及相应的AI输出结果。将AI评估与活检病理结果进行比较,以表征该队列中AI分类的特征。
总体而言,253名女性(平均年龄54岁;年龄范围24–92岁)中有271个病灶被归类为BI-RADS 4,并进行了活检、抽吸和/或手术切除。其中,23.2%(63/271)的病理结果为恶性,76.8%(208/271)为良性。AI工具将90.5%(57/63)的恶性病灶分类为BI-RADS 4,9.5%(6/63)分类为BI-RADS 2或3。在良性病例中,AI工具将41.8%(87/208)分类为BI-RADS 2(良性),18.8%(39/208)分类为BI-RADS 3(可能良性),39.4%(82/208)分类为BI-RADS 4(可疑)。回顾性将AI输出结果应用于活检分诊决策表明,可能减少良性活检建议,其中60.6%(126/208)的良性病灶被AI工具分类为BI-RADS 2或3。
AI可能有助于减少放射科医生评估为BI-RADS 4的病灶中的良性活检建议;然而,仔细结合放射科医生的判断和临床病史对于确保及时诊断癌症至关重要。
本研究的目的是评估一项经美国食品药品监督管理局(FDA)批准的用于乳腺超声的人工智能(AI)决策支持工具在减少良性活检方面的潜在影响。
本研究于2025年3月至5月在两家学术医学中心进行,时间为该FDA批准的人工智能乳腺超声解读决策支持工具(Koios DS;纽约,纽约州)临床实施之后。14名乳腺影像放射科医生记录了BI-RADS 4(可疑)病例及相应的AI输出结果。将AI评估与活检病理结果进行比较,以表征该队列中AI分类的特征。
总体而言,253名女性(平均年龄54岁;年龄范围24–92岁)中有271个病灶被归类为BI-RADS 4,并进行了活检、抽吸和/或手术切除。其中,23.2%(63/271)的病理结果为恶性,76.8%(208/271)为良性。AI工具将90.5%(57/63)的恶性病灶分类为BI-RADS 4,9.5%(6/63)分类为BI-RADS 2或3。在良性病例中,AI工具将41.8%(87/208)分类为BI-RADS 2(良性),18.8%(39/208)分类为BI-RADS 3(可能良性),39.4%(82/208)分类为BI-RADS 4(可疑)。回顾性将AI输出结果应用于活检分诊决策表明,可能减少良性活检建议,其中60.6%(126/208)的良性病灶被AI工具分类为BI-RADS 2或3。
AI可能有助于减少放射科医生评估为BI-RADS 4的病灶中的良性活检建议;然而,仔细结合放射科医生的判断和临床病史对于确保及时诊断癌症至关重要。