← 返回首頁

AI協助乳房攝影判讀,回溯研究見乳癌病灶檢出率提高

在321名乳癌患者的影像資料中,醫師與AI合併判讀的病灶檢出率達90.6%,比醫師單獨判讀高出3個百分點。但這批資料全來自癌症患者,尚無法回答一般篩檢會增加多少誤報。

By SURL BioNews

乳房攝影判讀多找到一處癌症病灶,可能就多提供一個診療線索;然而,增加檢出的同時,是否也會讓沒有癌症的人接受更多檢查,同樣影響工具的臨床價值。一項新研究顯示,人工智慧(AI)與放射科醫師合併判讀,能提高已確診乳癌患者的病灶檢出率,但對一般篩檢的整體效益,答案還不完整。

這項於10月23日刊登在《Journal of Imaging Informatics in Medicine》的同儕審查研究,回溯分析321名乳癌患者的331處病灶,比較醫師單獨判讀、AI單獨判讀,以及兩者合併的表現。這是從既有病例檢驗影像辨識能力,並非在一般受檢族群中進行的前瞻性篩檢試驗。

研究報告,醫師與AI合併判讀的病灶檢出率為90.6%,高於醫師單獨判讀的87.6%,絕對差距為3個百分點。這裡的分母是研究納入的癌症病灶,不能解讀為所有接受乳房攝影者的診斷準確率,也不代表已有證據顯示死亡風險下降。

研究使用的AI系統會輸出乳房影像報告與資料系統(BI-RADS)分類,讓演算法的結果能以臨床熟悉的分類方式呈現。研究也比較人與AI對影像特徵的判斷,發現兩者的一致程度隨特徵而異。這提示合併判讀的價值可能來自辨識上的互補,而非每一類影像徵象都能得到相同程度的幫助。

最關鍵的限制,是研究對象全為乳癌患者。缺少未罹癌者,就無法完整評估特異度,也就是正確排除非癌症情況的能力;同樣無法據此判斷,加入AI後會增加或減少多少假陽性,以及由此帶來的追加影像檢查或切片負擔。

這份結果為AI輔助判讀提供了有限而具體的支持:在這批癌症病例中,人機合併確實找到較高比例的病灶。若要判斷能否改善日常篩檢,後續驗證仍須納入未罹癌者,並在實際工作流程中同時衡量漏診、誤報與追加檢查,才能看清多找出病灶所帶來的整體效益。

References

  1. Journal of Imaging Informatics in Medicine