通过实时AI反馈提升乳腺摄影体位质量
该研究在一家三级医院回顾性比较AI软件b-boxTM实施前后及实施后1年、2年的PGMI评分,共纳入1220名女性4577幅乳腺摄影图像。结果显示「完美」比例从22.34%升至32.27%,「不合格」从13.31%降至5.41%,并持续至2023年的3.20%(p<0.01)。
要点
- AI实时反馈使「不合格」乳腺摄影从13.31%降至5.41%,2022年4.46%、2023年3.20%。
- 「完美」比例从22.34%升至32.27%,2022年达47.21%、2023年28.40%。
- AI与阅片者1的PGMI一致性仅为一般(κ=0.33),阅片者间一致性为高度(κ=0.77)。
核心结论
- 使用可靠软件平台实时进行AI驱动的质量评估,有可能持续改善图像质量,支持放射技师的职业成长,并同时提升机构质量标准和记录。
研究设计与样本
- 回顾性纵向分析前瞻性队列,经当地伦理委员会批准(项目ID 2021-01472和2023-01982)。
- 纳入一家三级医院连续女性患者共1220名(平均年龄59岁,范围21–94,标准差11.18),共4577幅乳腺摄影图像。
- 设备为Selenia Dimensions System®(Hologic®),评估从断层合成数据生成的合成2D图像。
- 排除术后癌症监测患者及有起搏器、手术夹或美容乳房植入物者。
- 由两名阅片者(阅片者1为乳腺影像专科认证医师,5年经验;阅片者2为接受PGMI培训的医学生)以盲法评估PGMI标准,参考标准为阅片者1。
关键影像表现/征象
- 2021年「完美」从A队列22.34%(n=386,95%CI 20.39–24.38%)升至B队列32.27%(n=752,95%CI 30.38–34.22%)。
- 「不合格」从A队列13.31%(n=230,95%CI 11.74–15.50%)降至B队列5.41%(n=126,95%CI 4.52–6.41%)。
- 「良好或完美」从A队列69.79%(n=1206,95%CI 67.58–71.91%)升至B队列79.05%(n=1842,95%CI 77.36–80.66%)。
- 乳头侧位显示从A队列85.88%(n=1484,95%CI 84.15–87.49%)升至B队列88.67%(n=2066,95%CI 87.31–89.93%)。
- 乳腺实质完全显示从A队列54.80%(n=947,95%CI 52.42–57.17%)升至B队列65.92%(n=1536,95%CI 63.96–67.85%)。
诊断标准与关键数值
- PGMI标准由英国乳腺摄影培训师组制定、放射技师协会与学院支持,分「完美」「良好」「中等」「不合格」四级。
- 「完美」MLO需显示乳房下皱襞、完整实质、乳头侧位及清晰胸肌角;CC需完整实质、乳头侧位及足够长的后乳头线或胸肌。
- AI软件中CC实质「完全显示」指胸肌可见或PNL距离正确;MLO「完全显示」需PNL水平正确、乳房下皱襞及胸肌角≥15°。
- 乳头「完美」定位需两视图均实质完全显示且乳头居中在5%容差内;仅一视图实质完全显示但乳头侧位评为良好。
- AI与阅片者1的PGMI一致性为一般(κ=0.33),阅片者1与2为高度(κ=0.77);AI vs 阅片者1的「完美+良好」κ=0.37、「中等+不合格」κ=0.42。
临床应用与阅片要点
- 本研究中心的做法是:放射技师需完成两天多学科课程、两天结构化乳腺摄影采集培训及一周在瑞士合作或欧洲参考筛查中心的监督实习。
- AI实施前常规质量评估基于PGMI手动进行,放射科医生持续非正式反馈,每半年每位技师复审至少20幅图像,每两年复训一次。
- 若软件评为「不合格」,技师可选择重拍,或持异议时与放射科医生进行病例讨论。
- 作者认为AI可能减少乳腺定位评估的主观性,有助于更可靠的图像质量,尤其对合成DBT。
局限性
- AI建议可能不准确,尤其对经验不足的阅片者,可能导致自动化偏倚。
- 单机构数据集限制了对其他临床环境的普适性。
- 队列可比性可能受患者构成影响,假期期间机构排程导致C1和C2队列术后随访患者少于A和B队列。
- AI质量评估性能仍有限,PGMI及其子类别一致性仅为轻微至中等。
- 阅片者2接触AI生成的胸肌、PNL、乳头侧位及乳房下皱襞可视化图像可能无意中提高阅片者间一致性,可能引入确认偏倚。
全文中译13 节 · 点击展开
引言
乳腺X线摄影仍然是乳腺癌早期发现和诊断的基石,在降低乳腺癌死亡率方面发挥着重要作用[1]。乳腺X线摄影乳腺癌筛查是早期发现乳腺癌最有效且最广泛使用的方法[2]。癌症的可检测性受诊断图像质量的显著影响,例如体位摆放不当、图像伪影或乳腺压迫不足[3, 4]。
为控制和评估乳腺X线摄影的图像质量,由英国乳腺X线摄影培训师组建立并得到放射技师协会与学院支持的完美-良好-中等-不合格(PGMI)标准[5],因其应用简便且可重复性好而被广泛采用[6, 7]。
人工智能(AI)越来越多地应用于乳腺影像学,包括诊断图像质量评估和工作流程优化[8–11]。
乳腺X线摄影中整个乳腺组织的准确且一致的可视化对于乳腺图像分析至关重要。在此前的一项研究中,我们开发了一个AI系统,能够准确评估乳腺摆位并即时反馈图像质量[12]。
因此,本研究评估AI驱动的反馈软件对乳腺X线摄影图像诊断质量的影响,旨在提高临床实践中的可重复性和一致性。
材料与方法
前瞻性队列的回顾性纵向分析已获得当地伦理委员会批准(项目编号2021-01472和2023-01982)。
患者数据
该系统扩展了我们此前发表的框架[12]。为评估2021年8月1日引入的AI驱动质量评估系统(b-boxTM,v 1.1,b-rayZ,CE认证IIa类)的影响,定义了四个不同的队列。队列A涵盖系统引入前的50个工作日,而队列B涵盖30天学习期(2021年8月1日至2021年9月10日)后的50个工作日。这些队列随后分别被确定为队列A(2021年5月24日至2021年7月31日)和队列B(2021年9月11日至2021年11月19日)。此外,分别在系统引入一年后(2022年8月1日至2022年8月5日)和系统安装两年后(2023年7月31日至2023年8月4日)组建了队列C1和C2,以对系统对质量的影响进行全面的纵向评估。
在研究期间,大学医院所有连续就诊的女性患者均被考虑纳入。研究使用的设备为Selenia Dimensions System®(Hologic®)。符合条件的患者包括按照常规临床实践接受筛查、筛查召回或诊断性(有症状)影像检查的患者。
接受术后癌症监测的患者,以及带有心脏起搏器、手术夹或乳房假体的患者被排除在分析之外。
从断层合成数据生成的合成2D图像被检索、匿名化并存储在数据库中供后续审查。
PGMI标准与评估
欧洲高质量乳腺筛查与诊断服务参考组织提供了PGMI标准,两位阅片者(阅片者1,N.S.:委员会认证,拥有五年乳腺影像专业经验;阅片者2,F.R.:接受过PGMI培训的医学生)使用该标准评估所有乳腺X线摄影图像。PGMI标准概述如下:“完美”:内外斜位(MLO):要求显示乳房下皱襞、完整腺体实质、乳头呈切线位以及清晰定义的胸肌角。头尾位(CC):要求完整腺体实质、乳头呈切线位以及足够长的后乳头线(PNL)或胸肌。
“良好”:质量水平令人满意,体位适当,伪影数量有限,确保乳腺结构能够清晰显示。
“中等”:处于可接受范围内,但可能因体位、伪影或清晰度方面的轻微缺陷而需要改进。
“不合格”:未达到所需质量标准;在体位、伪影或显示方面存在重要缺陷;需要进一步关注或重新拍摄图像。
数据库中的所有乳腺X线摄影图像均以盲法阅片,PGMI评分、乳腺X线摄影日期、患者数据及执行操作的放射技师信息均被隐藏。
质量保证与培训方案
在我们机构,为执行筛查性乳腺X线摄影,每位放射技师需完成一个为期两天的多学科课程、一个为期两天的乳腺X线摄影采集结构化培训,以及在瑞士合作中心或欧洲参考筛查中心进行为期一周的督导实习。在实施人工智能之前,常规质量评估基于PGMI标准手动进行,包括放射科医师持续的非正式反馈、每半年对每位放射技师至少20幅乳腺X线摄影图像的复审,以及每两年一次的进修课程,以确保符合机构和国家标准。
基于人工智能的软件
“b-boxTM”人工智能软件利用深度卷积神经网络(dCNN)模型自动分析乳腺X线摄影和二维合成断层摄影图像(训练数据集比例:DBM:DBT = 1:5)。图像质量的关键方面,如特征定位和解剖标志,由八个训练过的dCNN模型处理。回归模型专注于胸肌和乳头位置,而分类模型评估腺体实质、乳房下皱襞、胸肌和乳头显示情况。
在实施过程中,我们使用了软件的默认设置。具体而言,在CC位中,如果胸肌可见或PNL距离正确,则腺体实质为“完全显示”。在MLO位中,“完全显示”要求PNL水平、乳房下皱襞(IMF)和胸肌角(≥ 15°)正确。“完美”的乳头定位(在5%容差范围内居中)仅在两个体位中腺体实质均完全显示时才能达到。如果腺体实质仅在一个体位中完全显示,但乳头呈切线位,则显示情况评定为良好。
借助系统的实时反馈功能,放射技师可在数秒内获得每幅乳腺X线摄影图像的PGMI评估和关键质量标准(如乳头、乳房下皱襞)信息。
工作流程包括在台式电脑上进行一次性个人登录,随后进行乳腺X线摄影采集,并即时可视化质量标准与PGMI评分。建立了标准操作程序(SOPs)以指导图像采集和反馈解读。如果软件将图像评定为“不合格”,放射技师要么重新拍摄,要么在存在分歧的情况下,与放射科医生发起病例讨论。
统计分析
我们使用Mann–Whitney U检验来评估基本趋势是否区分两个队列。采用独立性卡方检验评估PGMI评分分布与时间队列之间的关联。为评估评定者间一致性,使用了Cohen's Kappa。按照惯例,对Kappa值作如下解读:< 0.00为差,0.00–0.20为轻微,0.21–0.40为一般,0.41–0.60为中等,0.61–0.80为显著,0.81–1.00为几乎完全一致。比较分析的应用促进了队列间差异的量化过程。此外,我们使用混合效应模型分析队列和 years of experience(YOE)对PGMI评分的影响,并通过随机截距考虑放射技师的变异性。使用赤池信息准则(AIC)比较包含和不包含YOE的模型,并计算估计边际均值(EMM)以评估各队列的调整后PGMI评分。进行两两比较以识别队列间的显著差异。应用p < 0.05的显著性阈值。除非另有说明,所有结果均参照我们的参考标准(Reader 1)。我们使用R 4.0.5(R Core Team, R Foundation for Statistical Computing)进行统计分析。
结果
在队列A、B、C1和C2中分别有961、1086、94和83名符合条件的女性,我们排除了队列A中的524名女性、队列B中的472名、队列C1中的6名和队列C2中的2名,主要原因是术后癌症监测或存在乳房假体。各队列检查类型的明细见补充表S1。因此,共纳入1220名女性(平均年龄:59岁,范围:21–94岁,标准差:11.18):队列A 437名,队列B 614名,队列C1 88名,队列C2 81名。这些女性共接受了4577次乳腺X线摄影检查(平均压迫力:103.34 N;平均腺体剂量:1.63 mGy;2D合成DBT图像:70.30%),分布如下:队列A 1728次,队列B 2330次,队列C1 269次,队列C2 250次。详细信息总结于图1。
实施后,定义了标准操作程序(SOPs)以指导图像采集和反馈解读,包括图像重复拍摄的标准以及放射技师在存在分歧时否决的流程。
在研究期间,实施人工智能驱动的质量评估系统后,观察到乳腺X线摄影体位质量显著改善(见表1)。
如 图2 所示,所有队列中“完美”乳腺X线摄影的百分比显著增加,而“不合格”图像的频率下降。
短期效果
2021年,对于DBM和DBT,所有乳腺摄影中“完美”评级从队列A的22.34%(n = 386,95%置信区间(CI):20.39–24.38%)增加至队列B的32.27%(n = 752,95% CI:30.38–34.22%)。同时,“不合格”图像的频率从b-boxTM实施前的13.31%(n = 230,95% CI:11.74–15.50%)下降至队列B的5.41%(n = 126,95% CI:4.52–6.41%)。“良好”或“完美”乳腺摄影的比例从69.79%(n = 1206,95% CI:67.58–71.91%)上升至79.05%(n = 1842,95% CI:77.36–80.66%)。基于AI的软件实施后,“良好”和“中等”图像的百分比变化极小,“良好”维持在47.45%(n = 820,95% CI:45.08–49.84%)至46.78%(n = 1090,95% CI:44.74–48.83%),“中等”维持在16.90%(n = 292,95% CI:15.16–18.75%)至15.54%(n = 362,95% CI:14.09–17.05%),同时附有阅片者1的标注。使用相同的设备、压迫板和乳腺摄影体位,我们在数字乳腺摄影(DBM)和数字乳腺断层合成(DBT)中均观察到相似的改善。“完美”乳腺摄影的百分比在DBM中从22.44%(95% CI:18.88–26.32%)增加至28.75%(95% CI:25.30–32.38%),而在DBT中,从22.30%(95% CI:19.99–24.74%)上升至33.65%(95% CI:31.39–35.97%)。Mann–Whitney检验的结果支持这些发现的统计学显著性,p < 0.01。
具体而言,“乳头呈切线位”略有改善,从85.88%(n = 1484,队列A,95% CI:84.15–87.49)提高至88.67%(n = 2066,队列B,95% CI:87.31–89.93)。在队列A中,54.80%的乳腺摄影(n = 947,95% CI:52.42–57.17)实现了乳腺实质完全显示,而队列B中为65.92%(n = 1536,95% CI:63.96–67.85)。CC位中胸肌的显示从实施前的25.8%(n = 223,95% CI:22.82–29.24)增加至引入后的34.6%(n = 388,31.61–37.82)。
b-boxTM与阅片者1之间的评分者间一致性为一般(κ = 0.33),而阅片者1与阅片者2之间观察到显著一致性(κ = 0.77)。将“完美”和“良好”类别以及“中等”和“不合格”类别合并后,b-boxTM vs 阅片者1和b-boxTM vs 阅片者2的Cohen's Kappa值分别为一般(k = 0.37)和中等(k = 0.42)。PGMI及亚类别的评分者间一致性总结于图3。
中期效果
PGMI评分的分布在队列和时间之间显示出显著差异(p < 0.01),表明质量持续改善。值得注意的是,“不合格”乳腺X线摄影的百分比从队列B的5.41%(95% CI:4.52–6.41%)降至4.46%(队列C1,95% CI 2.33–7.66%),并进一步降至3.20%(队列C2,95% CI:1.39–6.21%),而“中等”乳腺X线摄影的百分比保持相对稳定,从2021年的15.54%(队列B,95% CI:14.09–17.05%)到2023年的14.00%(队列C2,95% CI:9.95–18.93%)。
2022年和2023年“完美”乳腺X线摄影的百分比与2021年(队列A)相比,分别为47.21%(队列C1,95% CI:41.12–53.37%)和28.40%(队列C2,95% CI:22.90–34.42%),而2021年为22.34%(队列A,95% CI:20.39–24.38%)。然而,观察到队列C1与C2之间质量有所下降。这一下降的原因,是否与该队列中放射技师较低的平均工作年限(6.75年 vs 5.69年)有关,尚不清楚。
与PGMI评分类似,所报告的趋势在各亚组分析中也保持一致。例如,乳头呈侧位显示的乳腺X线摄影百分比从85.88%(队列A,95% CI:84.15–87.49%)增至89.96%(队列C1,95% CI:85.73–93.28%)和87.20%(队列C2,95% CI:82.42–91.08%),而腺体实质完全可视化的百分比从54.80%(队列A,95% CI:52.42–57.17%)增至72.12%(队列C1,95% CI:66.35–77.39%)和76.80%(队列C2,95% CI:71.07–81.89%)。队列A与C2之间的总体改善为:乳头可视化+1.32%,腺体实质可视化+22.00%。
此外,评分者间一致性随时间推移表现出越来越高的相似性,b-boxTM与阅读者1之间的Cohen's kappa为0.51(队列C1)和0.55(队列C2),阅读者1与阅读者2之间为0.53(队列C1)和0.58(队列C2)。然而,阅读者1与b-boxTM之间的评分者间一致性仍为一般,Cohen's kappa值在队列B中为0.26,在队列C1中为0.32,在队列C2中为0.23,与阅读者1和阅读者2之间的评分者间一致性相当,后者在各队列中的Cohen's kappa为0.36。
放射技师亚组分析
在实施PGMI-AI模型之前(队列A),放射技师因教育和经验差异而表现出不同的熟练水平。引入该模型后,观察到显著的性能变化,总结于图4。
11名放射技师中仅有2名在所有队列(A、B、C1和C2)中持续参与,提供了有价值的纵向数据。放射技师1(R1)于2021年开始,而放射技师2(R2)当时已有11年工作年限。对R1的线性回归分析显示斜率为正0.26,表明AI实施后性能显著改善。R2也有改善,斜率为正0.18,凸显了AI模型的积极影响。R1和R2的残差标准误保持一致,提示PGMI评分的部分变异不能仅由不同队列解释。其多重R方值(R1为0.05,R2为0.02)表明AI模型解释了各队列间个体质量变异的一小部分。相比之下,放射技师3(R3)在队列A与C2之间有一段中断,其多重R方值较低(0.01),表明队列所能解释的评分变异极小。
为评估改善是否仅由经验增加所致,我们比较了各队列的平均工作年限(YOE)(详见补充图S1:放射技师YOE与PGMI评分之间的关系分析)。队列A的平均值为7.83年(95% CI:7.67–7.98),队列B为7.86年(95% CI:7.70–8.03),队列C1为6.23年(95% CI:5.65–6.81),队列C2为5.15年(95% CI:5.15–6.33)。比较纳入与未纳入YOE的模型,未纳入YOE的模型AIC略低(10,900.34 vs 10,907.82),提示YOE可能并未显著改善模型拟合。估计边际均值(EMMs)为C1 3.40、B 3.07、C2 3.06、A 2.69。两两比较显示,队列A与所有其他队列之间均存在显著差异(例如A vs C1:−0.722,p < 0.0001)。这些结果提示,观察到的改善主要受AI模型引入的影响,经验起次要作用。
讨论
在两年期间,b-boxTM软件的AI应用表现出“完美”乳腺摄影频率的稳定增加以及“不合格”乳腺摄影数量的减少。随着AI驱动的判读在乳腺癌筛查中越来越普遍,对自动化质量保证的需求不断增长,以确保一致的成像标准[13]。
我们的研究支持以下观点:AI有助于减少乳腺体位评估中的主观性,促进更可靠的图像质量[14],尤其是对于合成数字乳腺断层摄影(DBT)。
通过AI监测获得的短期改善与Santer等人通过专门PGMI培训获得的改善相当,我们的研究中“完美”乳腺摄影从22.34%提高至高达47.21%[7]即可证明。
实时反馈对放射技师表现产生了积极影响,这与Eby等人近期的一项研究一致[15]。然而,在我们本研究中,观察到更高比例的“完美”或“中等”评估。此外,我们能够展示两年期间的持续改善,符合美国食品药品监督管理局(FDA)《乳腺摄影质量标准法案》(MQSA)的要求[15]。这些质量改善[16]可能显著减少技术重复和召回[17],同时提高癌症检出率[18]。
在Michalopoulou等人对欧洲乳腺影像学会(EUSOBI)成员开展的一项调查中,不到三分之一的参与者进行定期性能测试。然而,绝大多数人同意强制性测试将有助于提高其技能[19]。
除提高质量外,我们的研究还显示评分者间一致性(κ)随时间趋于一致,提示培训、病例暴露增加和积累的经验可能减少人工质量评估的主观性并提高PGMI评分的可靠性。
在讨论局限性时,必须指出人工智能建议不准确的风险,尤其对经验不足的读者而言,这可能导致自动化偏差[20]。单中心数据集限制了对其他临床环境的推广性。队列可比性可能受到患者构成的影响,因为节日期间机构排班导致队列C1和C2的术后随访患者少于队列A和B。尽管放射技师的经验在各队列间存在差异,但这并非观察到的质量差异的显著驱动因素。尽管如此,正如我们的结果和Waade等人的结果所表明的,人工智能的质量评估性能仍然有限,对PGMI及其子类别仅达到轻微至中度一致性[14]。出于培训目的,读者2接触了人工智能生成的胸肌、乳头轮廓线和乳房下皱襞的可视化图像,以改进PGMI评分。这种接触可能无意中增加了评分者间一致性,可能引入确认偏差,尽管最终评估时采用了盲法。定位质量的提高也可能源于被监测所带来的意识增强。此外,随着时间推移对人工智能建议的依从性下降可能导致了图像质量的变异性。
总之,基于PGMI标准,使用b-boxTM软件显著改善了乳腺X线摄影的定位,增加了“完美”评估并减少了“不合格”图像。虽然人工智能在质量评估方面显示出前景,但仍需进一步培训以增强与人工评估的一致性,这凸显了其在乳腺X线摄影中不断演变的作用。
补充信息
电子补充材料
引用
- Sexauer R, Riehle F, Borkowski K, et al. Enhancing breast positioning quality through real-time AI feedback. Eur Radiol. 2025. PMID: 40664864. doi:10.1007/s00330-025-11812-w
- 全文:PMC12712050(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12712050/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。