包含卵巢MRI在内的卵巢成像在快速改善卵巢癌治疗法的反复中会发挥了不可或缺作用。辨别荣性和恶性炎症的十分相似MRI特征，以及与各种恶性病灶亚型涉及的特殊MRI形态学和流体动力学特征，使得辐射中央线科医师必需发放比其他传统的成像方式越来越好的流行病学，并对病患治疗法可行性的制定发放越来越有价值的信息。虽然动态强化(DCE) MRI的抗原与乳房x中央线照相机依然相当，但在荣恶性炎症的检验方面上仍有全面性提高的空近。一小或许是由于辐射中央线科医师对卵巢癌的评核因核心技术关联性以及也就是说内和也就是说近解释的关联性而受到影响。
多项深入研究开发设计了计算机种系统听觉和方法学的人工智慧（AI）种系统，该种系统可可用流行病学示意图表上的计算机种系统辅助流行病学和卵巢炎症的定量举可有来说。辐射中央线小组学是计算机种系统辅助流行病学的扩展，可发放与病灶生物学和其他流行病学、病理和基因小组数据涉及的计算机种系统提炼特征。
全因，发表在Radiology刊物的一项深入研究评核了与传统软件相比之下，应可用AI种系统时辐射中央线科医师在卵巢DCE MRI示意图表上对应荣恶性炎症方面的流行病学性能指标应该受益改善，为AI在流行病学的全面性应用及深入研究应运而生了道路。
在本项回顾性深入研究中会，来自8个学术性机构和11个个人财产诊所的19名卵巢辐射中央线科医师对卵巢DCE MRI体检的示意图表进行了系统性。阅读者对每项体检送交两次次。在“第一次送交”时，他们应可用了包含流体动力学示意图在内传统的计算机种系统辅助评核软件。在“第二次审读”中会，通过计算机种系统辅助流行病学软件为他们发放了AI系统性。采用人会工作适应性曲面(ROC)系统性来评核阅读者的流行病学性能指标，ROC曲面下面积(AUC)作为对应恶性和荣性炎症的这两项。主要深入研究西端是第一次和第二次送交条件下AUC的关联性。
本深入研究共纳入111名男士(总数52岁±13岁[标准差])并赢得111小组卵巢DCE MRI体检(其中会恶性炎症54可有，荣性炎症57可有)。当应可用AI种系统时，所有阅读者的高达AUC从0.71减低到0.76 (P = 0.04)。当应可用卵巢影像报告和数据种系统(BI-RADS)类别3作为切点时，高达一般来说有所减低(从90%减低到94%;变化的95%置信区近[CI]: 0.8%，7.4%)，但在应可用BI-RADS类别4a时则不然(从80%到85%;95%置信区近:-0.9%，11%)。无论是应可用BI-RADS类别4a还是类别3作为切点，高达抗原均无显著关联性(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。
示意图 根据卵巢成像报告和数据种系统(BI-RADS) 4a类阈值在动态强化卵巢MRI示意图表上检验荣恶性炎症的流行病学勤务中会，19个阅读者第一次和第二次送交的一般来说和抗原(以%-对此)比较。
本深入研究表明，人工智慧种系统的应可用减低了辐射中央线科医师在卵巢MRI中会检验荣恶性炎症的流行病学性能指标，为流行病学全面性制定越来越准确的治疗法可行性发放了核心技术大碍的赞同，为人工智慧在流行病学及科研上的应用发放了参考依据。
中文翻译出处：
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
相关问答
