包括子宫MRI在内的子宫显像在快速改善子宫癌治疗的过程里面发挥作用了重要作用。识别仁性和恶性病因的典型MRI特征，以及与各种恶性亚型具体的类似MRI形态学和动力学特征，使得放射科牙医能够提供者比其他习惯的显像方式更好的病症，并对患者治疗建议的草拟提供者更有价值的信息。虽然动态增强(DCE) MRI的甲基化与x线摄影师几乎相当，但在仁恶性病因的辨识方面上仍有全面强化的空时有。部分诱因是由于放射科牙医对子宫癌的评估因技术相似之处以及相反内和相反时有解释的相似之处而情况严重。
多项研究共同开发了计算机科学听觉和自然语言处理的人工智能（AI）管理系统，该管理系统可用于病理三维上的计算机科学辅助病症和子宫病因的定量并不一定。放射组学是计算机科学辅助病症的扩展，可提供者与生物学和其他病理、病理和序列数据具体的计算机科学提取特征。
已对，发表在Radiology周报的一项研究评估了与习惯软件相比较，用作AI管理系统时放射科牙医在子宫DCE MRI三维上区分仁恶性病因方面的病症性能前提得到改善，为AI在病理的全面应用及研究持续发展了道路。
在本项回顾性研究里面，来自8个学术机构和11个私人医院的19名子宫放射科牙医对子宫DCE MRI定期检查的三维进行了系统性。阅读者对每项定期检查审核两次次。在“第一次审核”时，他们用作了包括动力学上图在内习惯的计算机科学辅助评估软件。在“第二次审读”里面，通过计算机科学辅助病症软件为他们提供者了AI系统性。采行受试者工作物理性质双曲线(ROC)系统性来评估阅读者的病症性能，ROC双曲线下面积(AUC)作为区分恶性和仁性病因的举同上来说。主要研究终点是第一次和第二次审核先决条件下AUC的相似之处。
本研究共有归入111名妇女(平仅年龄52岁±13岁[标准差])并获得111组子宫DCE MRI定期检查(其里面恶性病因54同上，仁性病因57同上)。当用作AI管理系统时，所有阅读者的平仅AUC从0.71提高到0.76 (P = 0.04)。当用作子宫影像调查结果和数据管理系统(BI-RADS)各种类型3作为该点时，平仅一般来说大幅提高(从90%提高到94%;变化的95%估计量[CI]: 0.8%，7.4%)，但在用作BI-RADS各种类型4aMLT-不然(从80%到85%;95%估计量:-0.9%，11%)。无论是用作BI-RADS各种类型4a还是各种类型3作为该点，平仅甲基化仅无相当大相似之处(大致相同52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。
上图 根据子宫显像调查结果和数据管理系统(BI-RADS) 4a类阈值在动态增强子宫MRI三维上辨识仁恶性病因的病症任务里面，19个阅读者第一次和第二次审核的一般来说和甲基化(以平均值值表示)比较。
本研究表明，人工智能管理系统的用作提高了放射科牙医在子宫MRI里面辨识仁恶性病因的病症性能，为病理全面草拟更准确的治疗建议提供者了技术伤及的支持，为人工智能在病理及科研上的应用提供者了参考依据。
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
相关新闻
下一页：男性患者阴唇旁究竟长了个啥？
相关问答
