基于人工智能的MRI图像分析可能有效地检测出乳腺密度高的女性的乳腺癌

人工智能在稠密乳房女性的MRI图像中诊断出癌症

乳房X射线照相术的广泛使用使乳腺癌的早期发现成为可能，并减少了死亡人数。 然而，乳房X光检查有一个问题，即在乳房致密的妇女中很难发现癌症。 然而，一项新的研究表明，用AI(人工智能)分析密布乳房的妇女的MRI图像来补充乳房X光检查，可以帮助快速和准确地确定是否存在乳腺癌。 荷兰乌特勒支大学医学中心的Erik Verburg及其同事的研究结果于10月5日发表在《放射学》上。

根据乳房中乳腺组织和脂肪组织的数量，将乳房的钼靶检查结果分为四类：脂肪型、分散型、异质型和非常密集型。 其中，密度不均匀或非常高的乳房被称为致密乳房。 在乳腺造影中，乳腺呈现白色，但诸如癌症等病变也呈现白色。 由于这个原因，乳房X光检查对乳腺癌的发现率在 "密度非常高 "的妇女中比在 "脂肪型 "乳房的妇女中低。 因此，"非常高 "的妇女患乳腺癌的风险是 "脂肪 "妇女的三至六倍，是普通妇女的两倍。

利用来自密集组织和早期乳腺肿瘤筛查(DENSE)试验的MRI数据，Verburg及其同事开发并训练了一个深度学习模型来区分有病变和无病变的乳房。 然后我们测试了该模型是否能在具有致密乳房的妇女的MRI图像中识别可能的乳腺癌。 该模型使用来自4,581名密胸妇女(平均年龄54.3岁)的左右乳房的MRI数据进行了训练和验证，这些妇女在2011年12月至2016年1月期间在荷兰的8家医院参加了乳腺癌筛查计划。

在总共9162个乳房中，838个有一个或多个病变，其中77个是恶性的。 深度学习模型将90.7%有病变的MRI图像识别为 "不正常，需要由放射科医生进一步检查"。 另一方面，该模型能够将39.7%的没有病变的MRI图像识别为不需要进一步检查。

在评论这些结果时，Verburg说："我们的研究表明，人工智能可以用来安全地避免核磁共振乳房成像，而不会错过恶性肿瘤，"他在大学的一份新闻稿中说。 结果比我们预期的要好。 40%没有癌症的人可以免于核磁共振成像，这是一个好的开始。 但我们仍然需要在剩下的60%上有所改进，"他补充说。

Verburg说："这样一个基于人工智能的分流系统可以大大减少放射科医生的工作量。 Verburg补充说："这种基于人工智能的方法应首先用于减少放射科医生的阅读时间。 这将使放射科医生有更多时间专注于非常复杂的乳腺MRI检查。