人工智能有助于在资源匮乏地区对乳房肿块进行分类

根据发表的一项研究，人工智能 (AI) 可以分析来自低成本便携式超声机器的乳房肿块图像并准确识别癌症。这可能对资源匮乏环境中的分类有用。

一名 37 岁女性的图像显示由于低级别导管原位癌而可触及肿块。(A) 正交便携式美国图像显示低回声椭圆形肿块，边缘模糊不清（箭头），人工智能 (AI) 评估为可能良性。(B) 正交标准护理美国图像显示局灶性微分叶（箭头），并被放射科医师评估为可疑的 AI 和乳腺成像报告和数据系统 4A。US 引导的核心活检和切除显示雌激素和孕激素受体阳性低级别原位导管癌。

乳房肿块通常是在乳房自我检查或由医疗专业人员进行乳房检查时意外发现的。乳腺癌筛查可以在摸到肿块之前发现乳房中的癌症。

虽然癌症筛查一直是西方国家的重点，但低收入和中等收入国家往往无法获得有组织的筛查计划和技术。

在低收入和中等收入国家，乳腺癌最常见的表现为乳房内可触及的肿块。超声可以在早期检测中发挥关键作用，从而实现更有效、侵入性更小的治疗并改善结果。

“低收入和中等收入国家的女性通常好几个月都得不到乳房保健，即使她们感觉到乳房有可能是癌症的肿块，”该研究的主要作者、医学博士 Wendie A. Berg 说。 ., 宾夕法尼亚州匹兹堡匹兹堡大学医学院放射学教授。“我们的研究着眼于使用人工智能来评估乳房超声图像，以区分需要紧急关注的可疑乳房肿块和非癌症肿块。”

对于这项多中心研究，从 2017 年 12 月到 2021 年 5 月，在墨西哥哈利斯科州招募了至少有一个可触及乳房肿块的参与者。首先在肿块和邻近组织的部位使用便携式超声获得超声图像。然后使用标准护理超声对女性进行成像。乳腺影像报告和数据系统 (BI-RADS) 评估由放射科医师进行。

排除后，AI 软件将 300 名女性（平均年龄 50.0 岁）的 758 个肿块分析为良性、可能良性、可疑或恶性（癌性）。平均患者年龄为 50.0 岁（范围 18-92），平均最大病变直径为 13 毫米（范围 2-54）。758个肿块中，360个（47.5%）可扪及，56个（7.4%）恶性。

AI 在低成本便携式超声和标准护理超声图像中分别正确识别了 96% 和 98% 的癌症女性。在良性肿块中，67% 可以通过标准护理超声进行适当分类，38% 可以通过便携式超声进行适当分类。

尽管特异性低于标准护理设备，但应用于便携式乳腺超声的人工智能可能会减少资源有限地区约一半的专科医院转诊。

Berg 博士指出，研究人员并未在便携式超声波图像上训练 AI。她还表示，自研究开展以来，低成本便携式超声技术已经得到改进。有了更好的图像和 AI 训练，研究人员预计未来会有更好的结果。

“我们的研究结果表明，在资源匮乏的环境中使用人工智能和便携式超声技术很有希望，包括美国的偏远/服务欠缺地区，以帮助改善乳房保健，”伯格博士说。“在减少需要在中央设施就诊并可能进行活组织检查的良性肿块女性数量时，医疗保健资源可以更好地集中在患有癌症的女性身上，并减少诊断延误。这应该会改善可及性、健康公平性和结果对女性来说。”