研究发现乳腺X射线影像AI可能会受患者年龄和种族的影响而产生误报
研究发现乳腺X射线影像AI可能会受患者年龄和种族的影响而产生误报
示例：一名 59 岁的黑人患者乳腺纤维腺体密度散在，乳房 X 光检查假阳性病例评分为 96 分。(A）左侧头尾切面和（B）内外侧斜切面显示外上象限中间深度（方框）有血管钙化，人工智能算法将其单独识别为可疑发现，并将单个病灶评分定为 90 分。因此，乳房 X 光检查的总分为 96 分。资料来源：北美放射学会（RSNA）北卡罗来纳州达勒姆杜克大学助理教授、医学博士德里克-阮（Derek L. Nguyen）说："人工智能已成为放射科医生提高乳房X光筛查阅读效率和准确性，同时减轻阅读者倦怠感的一种资源。然而，患者特征对人工智能性能的影响还没有得到很好的研究。"阮博士介绍说，虽然初步数据表明，将人工智能算法应用于乳腺X光筛查检查可能会提高放射科医生对乳腺癌检测的诊断性能，并缩短判读时间，但人工智能也有一些方面需要注意。他说："用于人工智能算法训练的人口统计学多样化数据库很少，FDA 也不要求多样化的数据集进行验证。"由于患者群体之间存在差异，因此研究人工智能软件能否适应不同年龄、种族和民族的患者，并使其表现达到相同水平非常重要。"一名 59 岁的西班牙裔患者，乳房密度不均，乳房 X 光检查假阳性风险评分为 1.0。图中显示了双侧重建的二维（A、B）头尾切面和（C、D）内外侧斜切面。该算法预测患者会在 1 年内罹患癌症，但该患者在接受乳房 X 光检查后 2 年内并未罹患癌症或出现不典型增生。资料来源：北美放射学会（RSNA）在这项回顾性研究中，研究人员确定了2016年至2019年期间在杜克大学医学中心进行数字乳腺断层合成筛查的阴性（无癌症证据）患者。所有患者在接受乳房X光筛查后都接受了为期两年的随访，没有患者被确诊为乳腺恶性肿瘤。研究人员从这一群体中随机抽取了一个子集，该子集由 4855 名患者组成（中位年龄 54 岁），广泛分布在四个民族/种族群体中。该子集包括 1316 名（27%）白人患者、1261 名（26%）黑人患者、1351 名（28%）亚裔患者和 927 名（19%）西班牙裔患者。一种市售的人工智能算法对乳房 X 射线照片子集中的每次检查进行解读，生成病例评分（或恶性肿瘤的确定性）和风险评分（或一年后的恶性肿瘤风险）。阮说："我们的目标是评估人工智能算法在不同年龄、乳腺密度类型和不同患者种族/族裔中的表现是否一致。"鉴于研究中的所有乳房 X 光检查结果均为阴性，因此该算法标记为可疑的任何结果均被视为假阳性结果。与白人患者和年龄在 51-60 岁之间的女性相比，黑人患者和年龄较大的患者（71-80 岁）更容易出现假阳性病例评分，而亚裔患者和年龄较小的患者（41-50 岁）则较少出现假阳性病例评分。"这项研究非常重要，因为它强调了医疗机构购买的任何人工智能软件在所有患者年龄、种族/族裔和乳房密度方面的表现可能不尽相同。展望未来，我认为人工智能软件的升级应侧重于确保人口多样性。"阮博士说，医疗机构在购买用于乳房X光筛查解读的人工智能算法之前，应了解其服务的患者群体，并向供应商询问其算法培训情况。掌握本机构的人口统计学基线知识，并向供应商询问其培训数据的种族和年龄多样性，将有助于你了解在临床实践中会面临的限制。编译来源：ScitechDaily ...
PC版：
手机版：
