文献速递乳腺技术与安全US

基于超声图像的中国乳腺病变深度学习辅助诊断:一项多中心诊断研究

Deep learning based on ultrasound images assists breast lesion diagnosis in China: a multicenter diagnostic study.
PubMed 文献 · Insights Imaging · 2022-07-28

该多中心前瞻性研究利用32家医院5012例患者的14043张乳腺超声图像开发深度学习模型,外部测试集AUC为0.913,敏感度88.84%、特异度83.77%、准确率86.40%。模型AUC与专家及一名有经验放射科医师相似,显著高于三名经验不足者,模型辅助后放射科医师准确率和特异度提高且敏感度未下降。

要点

  • 外部测试集上模型鉴别乳腺良恶性病变的AUC为0.913,敏感度88.84%、特异度83.77%。
  • 模型AUC与专家相似(p=0.5629),显著高于三名经验不足放射科医师(p<0.01)。
  • 模型辅助后放射科医师平均准确率和特异度提高,敏感度未下降。

核心结论

  • 深度学习模型在鉴别乳腺良恶性病变方面获得满意的预测表现,可能具有改善放射科医师诊断乳腺病变的潜在价值。

研究设计与样本

  • 多中心前瞻性研究,2018年12月至2020年12月在中国32家三级医院前瞻性收集5012例女性患者的14043张B型超声图像。
  • 30家医院4615例患者分为训练集4149例(11478张图像)和内部测试集466例(1274张图像),其余2家医院397例患者(1291张图像)作为外部测试集。
  • 以病理诊断为金标准,采用VGG-19架构构建深度学习模型,与前瞻性BI-RADS评估及5名不同经验放射科医师比较。

诊断标准与关键数值

  • 内部测试集AUC为0.908(95%CI 0.879–0.933),准确率83.48%、敏感度83.23%、特异度83.61%、PPV 72.83%、NPV 90.43%。
  • 外部测试集AUC为0.913(95%CI 0.881–0.939),准确率86.40%、敏感度88.84%、特异度83.77%、PPV 85.51%、NPV 87.43%。
  • 外部测试集A医院AUC为0.908(95%CI 0.859–0.945),外部测试集B医院AUC为0.918(95%CI 0.871–0.952)。
  • 对比集中模型AUC低于前瞻性BI-RADS评估(0.969,p=0.0058),与专家(0.935,p=0.5629)及一名有经验放射科医师(0.901,p=0.2112)相似,显著高于三名经验不足放射科医师(p<0.01)。
  • 对比集中模型准确率与专家相似(83.58%,p=0.5966),显著高于前瞻性BI-RADS评估(73.13%)、一名有经验放射科医师(72.14%)及三名经验不足放射科医师(p<0.01)。

临床应用与阅片要点

  • 模型辅助方法一:模型判为恶性时BI-RADS分类上调一级,判为良性时下调一级。
  • 模型辅助方法二:放射科医师获知模型预测概率后灵活调整BI-RADS分类。
  • 有经验放射科医师平均准确率从77.86%提高至方法一87.31%和方法二85.07%,特异度从63.27%提高至方法一80.09%和方法二75.66%。
  • 经验不足放射科医师平均准确率从58.54%提高至方法一72.97%和方法二77.28%。

局限性

  • 原文未报告局限性。
全文中译15 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2022 Jul 28;13:124. doi: 10.1186/s13244-022-01259-8

要点

使用大型多中心数据集开发了一个深度学习(DL)模型。

该DL模型能够有效鉴别超声(US)上的良性和恶性病变。

该模型可以提高放射科医生诊断乳腺癌的性能。

引言

在中国,2015年约有303,600例乳腺癌新发病例和70,400例乳腺癌相关死亡,且该病的发病率和死亡率持续上升[1–3]。没有迹象表明这一趋势会在2030年前停止,尤其是在农村地区[3]。早期诊断乳腺癌的目标是降低死亡率并为患者提供最合适且创伤最小的治疗方案[4]。作为一种广泛使用的筛查手段,乳腺X线摄影筛查已被证明可降低乳腺癌死亡率[5, 6]。然而,基于乳腺X线摄影的乳腺癌筛查在中国并不十分实用[7],因为中国女性的乳房往往较小且致密,且乳腺癌发病高峰年龄较西方女性年轻,这两者均已知会影响乳腺X线摄影的诊断准确性和有效性[4]。超声(US)作为乳腺X线摄影的有力补充,具有更高的灵敏度和诊断准确性[7]。

由于超声在中国具有安全性好、成本较低和易于获取的优势,它已成为乳腺癌筛查和诊断不可或缺的工具[8]。随着超声乳腺影像报告和数据系统(BI-RADS)的引入,描述和分类乳腺病变的术语和标准已实现标准化,并具有良好的诊断性能。放射科医生根据超声图像上的某些宏观特征(如形状、边缘和回声)进行诊断,超声检出的乳腺病变可根据BI-RADS的恶性可能性进行分类,从良性到高度怀疑恶性。然而,良性和恶性病变的超声特征存在相当大的重叠[9, 10]。而且此类评估往往依赖于放射科医生的教育和经验,因此有时可能具有主观性且耗时。此外,超声的一个主要局限性在于其在鉴别乳腺良恶性病变方面的特异性较低(假阳性率高)[11, 12],这可能导致许多良性病变患者接受过度治疗,如不必要的活检甚至激进手术。因此,尽管良性肿瘤不会威胁患者健康,但患者会因治疗而遭受不良反应[13]。

近年来,深度学习(DL)算法因其在图像识别任务中的出色表现而成为研究人员关注和重视的焦点[14]。DL模型能够自动、定量地评估复杂的医学图像特征,具有较高的诊断准确性和效率;例如,结合卷积神经网络(CNN)的DL已被广泛应用于医学图像的模式识别和分类[15]。DL技术在不同领域也已达到与人类专家相当的性能[16, 17],并有可能帮助经验有限的医生提高其在临床实践中疾病诊断的表现[17, 18]。在乳腺超声领域,DL已被应用于图像分割[19]、乳腺病灶的识别与诊断[20–22]、腋窝淋巴结状态预测[23, 24]、乳腺癌分子亚型评估[25, 26]以及乳腺癌病理完全缓解评估[27]。因此,基于DL的乳腺病灶诊断仍然是一个重要且热门的研究领域。多项研究报道了CNN在乳腺癌诊断中出色的诊断性能。然而,大多数研究仅使用了来自单一机构的训练集和验证集,而没有独立的外部测试集[28, 29]。由于不同中心疾病谱的差异,训练好的DL模型的适用性需要进一步研究。此外,若干研究使用的数据集较小[30–32],患者的医学信息和乳腺病灶的病理类型未知[22, 29],且模型辅助放射科医师的能力未见报道[22, 28, 31]。因此,我们旨在利用来自多个中心的大型数据集开发一个DL模型,并评估其在超声图像上鉴别乳腺良恶性肿瘤的诊断性能。此外,将该模型的性能与人类放射科医师的性能进行比较,并探讨该模型辅助放射科医师的能力。

材料与方法

患者

2018年12月至2020年12月期间,在中国32家独立的三级甲等医院开展了一项多中心前瞻性研究。本研究经主要研究者所在医院(北京协和医院)的机构伦理委员会批准,并在ClinicalTrials.gov注册(ChiCTR1900023916)。在采集每位患者的超声图像前均获得了书面知情同意。

我们前瞻性招募了经病理证实存在乳腺病变并接受超声检查的患者。纳入标准如下:(1)灰度超声可见乳腺病变;(2)超声检查在活检或术前治疗前进行;(3)通过针刺活检或手术切除活检获得病理结果。对于多发病灶患者,仅纳入灰度超声上最大或最可疑的病灶。通过面对面访谈或患者电子病历收集临床数据及乳腺癌相关危险因素信息,包括患者年龄、体重指数、生育史(初潮年龄、首次活产年龄,如适用)、良性乳腺疾病史、一级亲属乳腺癌病史以及临床症状(可触及肿块、疼痛、乳头溢液、皮肤改变)。金标准为病理诊断,取自病理报告。

超声设备

使用配备高频线阵探头(L14-5、L11-3、L12-3或L9-3)的超声系统Resona7、Resona7s、Resona7T、Resona8、Resona8T和DC-80(深圳迈瑞生物医疗电子股份有限公司,中国深圳)进行超声检查。

图像采集与判读

采用统一的图像采集方案(附加文件1:图S1)。病灶至少在两个相互垂直的切面(纵向和横向)上观察,并行卡尺测量及不测量。选择性采集灰度超声上可能显示病灶可疑恶性特征的其他切面。记录病灶最大径。根据BI-RADS词典描述超声特征。优化适当深度、增益和聚焦区设置以获取高质量超声图像。彩色多普勒超声和应变弹性成像可用于协助放射科医师做出更好的诊断。同时评估腋窝淋巴结状态。放射科医师在实时扫描过程中保存病灶静态图像,然后以JPG格式上传至网站(www.nuqcc.cn)。所有超声检查均由具有3年以上乳腺超声检查和判读经验的放射科医师完成。放射科医师根据BI-RADS标准前瞻性分配BI-RADS超声评估分类:2类,良性;3类,可能良性;4类(4a至4c),可疑恶性;5类,高度提示恶性。

数据集

选择未进行卡尺测量的B型超声图像用于深度学习(DL)建模。对这些数据进行了数据清洗,并丢弃了错误采集的切面(如误上传的图像)。本研究共使用了来自5012名女性的14,043张合格B型超声图像(图1)。来自30家医院的数据包括来自4615例患者的12,752张B型超声图像,用于训练、验证和内部测试。训练集包含4149例患者的11,478张图像,内部测试集包含466例患者的1274张图像。在训练集中,466例患者(305个良性病变和161个恶性病变)的1303张图像用于验证,其余3683例患者(2419个良性病变和1264个恶性病变)的10,175张图像用于训练模型。两个外部测试集包括来自其余2家医院的397例患者的1291张B型超声图像(外部测试A医院:197例患者——97个良性病变和100个恶性病变;外部测试B医院:200例患者——94个良性病变和106个恶性病变),用于检验模型的稳健性。所有可用病变均用于训练和测试DL模型。内部和外部测试集用于评估模型的泛化性和稳健性。研究流程见图1。此外,我们还在一个公开可用的数据集上评估了我们的DL模型(见附加文件1:‘乳腺超声图像数据集’)。

图1 研究流程。US 超声;Conv 卷积层;ReLU 修正线性单元;DL 深度学习;BI-RADS 乳腺影像报告和数据系统 查看原图 ↗

深度学习

B型超声图像中乳腺病变的评估,尤其是对可疑恶性肿块的评估,可能较为复杂,因为肿块的形态多样,且良性和恶性乳腺病变的特征可能重叠[9, 10]。为获得良好性能,我们选择了视觉几何组(VGG)深度卷积神经网络(CNN)[33],因为我们观察到其在最后一个特征提取层之后不包括全局平均池化层,而是直接展平特征图并将其依次与三个全连接层连接,这可能带来更好的诊断性能,因为所有提取到的重要特征均被加权。事实上,VGG已在多种医学图像分析任务中展现出令人信服的分类准确性[17, 34–37],包括乳腺肿块分类[32, 38, 39]。本研究采用VGG-19架构作为乳腺癌诊断建模的骨干网络。详细架构见图1。在每个全连接层之后引入丢弃率(dropout rate)为0.75的dropout层以避免过拟合,并将最后一个全连接层改为具有两个输出神经元并配有softmax激活层,以将输出值转换为两类乳腺病变的概率。概率最高的类别被视为二分类的结果。采用在ImageNet上的预训练权重在初始epoch初始化训练,而非常用的He-norm和Xavier初始化,以加速收敛。

所有B型超声图像在预处理前均转换为灰度图,以消除冗余的图像通道。肿块使用边界框进行标注,标注由一位具有11年超声经验的资深放射科医师确认。然后,将图像裁剪至仅保留病变区域,并将其作为深度学习(DL)模型的输入,以减少不显著背景信息的影响。病变区域包含50像素的边界,这不仅能够捕获病变周围的一些邻近区域(可提供一些有效、相关的信息),还能避免肿块提取不完整。裁剪后的肿块图像在保持其原始纵横比的同时被调整大小并填充至224×224。在临床中,放射科医师通常会在给出诊断前阅读多张图像。然而,对每个切面的预测进行加权是棘手的,因为输入图像的顺序和数量是不确定的,而且多数投票并不能发挥深度学习的优势。为了在最小程度增加时间消耗的情况下模拟这一场景,我们根据患者的序列号将三个切面堆叠为一张三通道图像输入模型。该方法不仅能够实现多切面分析,还能降低时间成本,并可避免对数量不确定的诊断预测进行加权。在建模过程中,每位患者的切面被随机采样。训练后的模型测试了10次以验证其稳定性。结果列于附加文件1:表S7中,包含均值和标准差。在比较研究中,切面按照我们的数据采集方案以固定顺序采样,以模拟真实临床场景,相应结果作为本文中模型的最终性能报告,以保持一致性。实现的详细信息可见附加文件1:“深度学习”部分。

模型与放射科医师之间诊断性能的比较

总共随机选取201例患者的656张图像作为读者研究的对照组,来自内部和外部测试集,包括88个恶性乳腺病变和113个良性乳腺病变,以比较模型与放射科医生的诊断性能。详细信息可见附加文件1:“模型与放射科医生诊断性能的比较”。五位在乳腺病变诊断方面经验水平不同的放射科医生独立审阅和评估了乳腺病变图像。为模拟临床环境,将针对某一给定病变采集的多张B模式图像一起展示供放射科医生阅片。放射科医生1是乳腺超声成像领域的专家,在乳腺超声诊断方面拥有超过18年的经验。放射科医生2在乳腺超声诊断方面拥有超过8年的经验。放射科医生3、4和5在乳腺超声方面经验不足3年。根据超声经验,放射科医生被分为有经验组(放射科医生1、2)和无经验组(放射科医生3、4、5)。他们对患者的病理结果、其他读者的评估或既往分类结果均不知情。放射科医生报告的评估BI-RADS类别为2、3、4a、4b、4c或5。我们先将模型的诊断性能与前瞻性BI-RADS评估进行比较,然后与这五位放射科医生的诊断性能进行比较。

为探索模型的辅助能力,采用两种方法比较放射科医生在有和无模型辅助情况下的性能。在方法一中,当模型将乳腺病变分类为恶性或良性时,BI-RADS分类被上调或下调一个级别(将放射科医生的首次评估与DL预测结果进行人工结合)。换言之,当模型将乳腺病变分类为恶性时,BI-RADS 3类病变被上调为4a类;当模型将乳腺病变分类为良性时,BI-RADS 4a类病变被下调为3类。在方法二中,放射科医生在获得模型结果后灵活调整BI-RADS分类。在首次评估图像两周后,所有放射科医生在知晓模型生成的预测概率但对模型性能和首次评估的反馈不知情的情况下,对相同的乳腺病变图像重新分类。简言之,在放射科医生记录自己的BI-RADS评估后向其展示模型结果,然后记录调整结果。

数据与统计分析

连续变量用均值±标准差(SD)描述,分类变量以数量和百分比表示。分别采用Student t检验和卡方检验比较连续变量和分类变量。分析以病灶为单位进行。将分类为BI-RADS 4a或更高的恶性病灶视为真阳性,将分类为BI-RADS 2或3的良性病灶视为真阴性。训练后的深度学习(DL)模型基于超声图像输出恶性和良性病灶的预测概率评分(连续值0至1),我们选择概率最高的类别作为二分类预测结果(良性或恶性)。例如,如果恶性的概率值大于良性病灶的概率值,我们将该预测分类为恶性。我们即以此方式将预测概率值转换为二分类决策,用于升级或降级计算(DL模型辅助方法一)及混淆矩阵。根据二分类预测结果和BI-RADS分类,分别计算模型和放射科医师的敏感度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和准确率。采用McNemar检验比较模型与放射科医师的敏感度、特异度和准确率,采用卡方检验比较模型与放射科医师的PPV和NPV。基于DL模型得出的乳腺癌预测概率和放射科医师给出的BI-RADS分类评估绘制受试者工作特征(ROC)曲线,并获得ROC曲线下面积(AUC)。AUC之间的比较采用DeLong检验[40]。测试集还报告了F1分数和马修斯相关系数(MCC)。F1分数同时反映分类模型的精确率和召回率。MCC值范围为-1至1,值越大表示性能越好;值为1表示预测与实际结果完全一致。模型在测试集中的真阳性、假阳性、假阴性、真阴性发现数量以表示混淆矩阵的2×2列联表描述。所用其他统计方法见附加文件1:“数据与统计分析”。

结果

患者

我们共纳入来自5012名患有乳腺病灶的女性、由训练有素的放射科医师根据BI-RADS进行前瞻性分类的14,043张超声图像。收集了来自30家医院的4615名患者的超声图像,并分为训练集(n = 4149;年龄:43.67 ± 13.14岁)和内部测试集(n = 466;年龄:43.21 ± 13.65岁)。来自另外两家医院的397名患者(年龄:44.91 ± 12.06岁)被用作两个独立的多中心测试集。训练数据集的平均病灶大小为1.84 ± 0.99 cm,内部测试集为1.76 ± 0.94 cm,外部测试集为2.05 ± 1.08 cm。训练集和测试集中详细的患者人口学特征和乳腺病灶特征见表1。乳腺病灶的主要病理类型见附加文件1:表S1。

表1 患者人口学特征和乳腺病灶特征 查看原表 ↗

深度学习模型的性能

DL模型在应用于内部测试集的乳腺超声图像时,在区分乳腺良恶性病变方面取得了高性能(AUC = 0.908,95%置信区间(CI):0.879–0.933)(图2)。该模型达到了83.48%的病变水平准确率、83.23%的敏感度、83.61%的特异度、72.83%的阳性预测值(PPV)和90.43%的阴性预测值(NPV)(表2)。该模型的有效性通过使用来自另外两家医院的超声图像的外部测试集进行评估,AUC为0.913(95% CI 0.881–0.939),准确率为86.40%,敏感度为88.84%,特异度为83.77%,PPV为85.51%,NPV为87.43%。对于外部测试集A和B,AUC分别为0.908(95% CI 0.859–0.945)和0.918(95% CI 0.871–0.952)(图2和表2)。该模型在内部测试集和外部测试集中预测乳腺癌的混淆矩阵如图2所示。附加文件1:表S2显示了DL模型与前瞻性BI-RADS评估在测试集中的性能指标。

图2 模型在内部测试集(a)、外部测试集(b)、外部测试集A(c)和外部测试集B(d)中的受试者工作特征曲线下面积(AUC)。模型在内部测试集(e)、外部测试集(f)、外部测试集A(g)和外部测试集B(h)中区分乳腺良恶性病变的混淆矩阵。实际类别,病理诊断;预测类别,深度学习模型的二分类预测结果 查看原图 ↗
表2 DL模型在测试集中的性能指标 查看原表 ↗

深度学习与放射科医师的比较

对于比较分析,在来自内部和外部测试集的比较集中,结果显示模型的AUC低于前瞻性BI-RADS评估(0.969,p = 0.0058),与专家(0.935,p = 0.5629)和一名有经验放射科医师(0.901,p = 0.2112)相似,并显著高于三名无经验放射科医师(p < 0.01)。模型的诊断准确率与专家相似(83.58%,p = 0.5966),并显著高于前瞻性BI-RADS评估(73.13%)、一名有经验放射科医师(72.14%)和三名无经验放射科医师(p < 0.01)。模型的特异度高于专家但无统计学差异(p = 0.0784),并显著高于前瞻性BI-RADS评估和其余放射科医师(p < 0.01)。然而,模型的敏感度低于放射科医师(表3)。模型相对于前瞻性BI-RADS评估和放射科医师的AUC如图3所示。DL模型相对于前瞻性BI-RADS评估和比较集中五名放射科医师的性能指标如表3所示。附加文件1:表S3和S4分别展示了DL模型相对于前瞻性BI-RADS评估和放射科医师在来自内部和外部测试集的比较集中的性能指标。附加文件1:图S3分别显示了模型相对于前瞻性BI-RADS评估和五名放射科医师在来自内部测试集和外部测试集的比较集中的AUC。

表3 DL模型与前瞻性BI-RADS评估及比较集中五位放射科医师的性能指标 查看原表 ↗
图3 模型与前瞻性BI-RADS评估及比较集中五位放射科医师的受试者工作特征曲线下面积(AUC)(a)。DL模型与前瞻性BI-RADS评估及比较集中五位放射科医师的性能指标(b)。AUC 受试者工作特征曲线下面积;DL 深度学习模型;Pro 前瞻性乳腺影像报告和数据系统(BI-RADS)评估;R 放射科医师。*与DL模型比较诊断性能并显示统计学差异 查看原图 ↗

放射科医师在有和无模型辅助下的性能比较

在模型辅助下,经验丰富的放射科医师诊断性能的平均AUC有所提高但未达显著程度,而在经验不足的放射科医师组中,平均AUC显著提高。结合模型的预测,经验丰富和经验不足的放射科医师在乳腺超声上鉴别良恶性病变的平均准确率、特异度和PPV大幅提高,而灵敏度和NPV未下降(表4)。对于经验丰富的放射科医师,方法一的平均准确率从77.86%显著提高至87.31%,方法二为85.07%,特异度从63.27%显著提高至方法一的80.09%,方法二为75.66%。对于经验不足的放射科医师,方法一的平均准确率从58.54%显著提高至72.97%,方法二为77.28%,特异度从28.61%显著提高至方法一的53.69%,方法二为61.06%。模型及放射科医师在有和无模型辅助下鉴别乳腺良恶性病变的诊断性能见表4和图4。五位放射科医师在模型辅助下诊断性能的详细信息总结于附加文件1:表S5。放射科医师在方法一和方法二辅助下诊断性能的比较总结于附加文件1:表S6。DL模型辅助放射科医师的示例见附加文件1:图S5。

表4 比较集中经验丰富和经验不足的放射科医师在有和无模型辅助下的性能指标 查看原表 ↗
图4 比较集中放射科医师在有和无模型辅助下的性能指标。a 全部五位放射科医师;b 经验丰富的放射科医师;c 经验不足的放射科医师。PPV,阳性预测值;NPV,阴性预测值;DL,深度学习 查看原图 ↗

讨论

在这项多中心研究中,我们成功开发了一个基于超声图像诊断乳腺癌的模型。该模型在测试集上取得了令人满意的预测结果,内部测试集的AUC为0.908,灵敏度为83.23%,特异度为83.61%,准确率为83.48%;外部测试集的AUC为0.913,灵敏度为88.84%,特异度为83.77%,准确率为86.40%。在模型的辅助下,放射科医师在乳腺超声上鉴别良恶性病变的准确率和特异度均有所提高,而灵敏度未降低。我们的模型在乳腺癌术前预测中具有潜在适用性,并显示出有助于提供个性化管理信息以制定手术方案或促进治疗前决策的潜力。

随着中国人口持续老龄化和工业化、城镇化及生活方式改变的加速,女性乳腺癌负担日益加重[1, 41]。超声作为一种合适、便捷且广受欢迎的检查工具,已在中国乳腺癌筛查和诊断中得到广泛应用。超声对乳腺病变的诊断主要依赖于放射科医师的独立观察,依据BI-RADS指南提供评估,具有高灵敏度但以特异度为代价[11, 42]。近年来,许多新技术被开发以弥补常规超声的不足[43–45]。特别是基于人工智能(AI)或深度学习(DL)的计算机辅助诊断,可将分析结果作为第二意见或支持性决策提供给放射科医师,并显著提高放射科医师诊断的效率和有效性[46]。在本研究中,模型的诊断性能(AUC)与经验丰富的放射科医师相当,且在对比集中优于经验不足的放射科医师。此外,采用了两种方法探索模型辅助放射科医师的能力,不同程度地提高了其诊断性能。尽管模型诊断乳腺癌的灵敏度低于放射科医师,但与模型预测结合后,放射科医师的准确率和特异度有所提高,而灵敏度未降低。简言之,即便所设计的三切面分析使我们的模型在与可见全部切面的放射科医师比较时处于劣势,它仍能够识别恶性病变,并达到与经验丰富放射科医师评估相当的性能。这显示了其在提高放射科医师诊断乳腺病变性能方面的潜在价值。

我们模型的诊断性能与既往关于乳腺超声分析人工智能方法的论文报道相似[31, 38]。这些研究的不足已在前面提及。两项使用大型乳腺超声图像数据集的研究在乳腺癌诊断中显示出优异的诊断性能。Han等[22]使用包含5151例患者7408幅乳腺超声图像的大样本,开发了基于GoogLeNet的模型来区分乳腺良恶性病变,AUC超过0.9,准确率约为0.90,灵敏度为0.86,特异度为0.96。Qi等[29]构建了包含来自2047例患者8145幅乳腺超声图像的大型数据集,并开发了一种区分乳腺恶性与非恶性病变的自动化方法。他们提出的Mt-Net(BASIC)在测试集上达到93.52%的准确率、96.66%的特异度和87.39%的灵敏度。然而,缺乏用于进一步评估模型泛化性的独立数据集。人工智能计算机视觉技术依赖于高质量和大规模的图像数据。图像数据的质量、数量和多样性是影响人工智能图像分析准确性的关键因素。由于缺乏用于训练模型的大型数据集,乳腺超声深度学习研究仍处于早期阶段。通过多中心协作努力获取更多疾病类型的数据,有助于开发稳健的预测性深度学习模型[46]。具有独立测试集的研究比依赖内部测试或仅使用单中心数据进行验证的研究更有价值[47]。使用独立数据集评估泛化性很重要。在本研究中,使用标准化图像采集方案在32家机构前瞻性获取了包含来自5012名女性14,043幅乳腺超声病变图像的大规模数据集。获得了乳腺病变的病理学金标准,涵盖多种乳腺病理类型。使用多中心数据集开发和验证模型,并使用来自2个不同机构的两个外部测试集来证明其稳健性和泛化性。该模型在测试集中区分乳腺良恶性病变方面取得了高诊断性能,高效且可靠地证实了模型的适应性。

我们的研究存在若干局限性。第一,深度学习(DL)模型仅基于B模式超声图像进行训练,与仅使用B模式超声图像相比,纳入临床和患者信息(如患者年龄、病灶大小和BI-RADS分类评估)[48]、弹性成像[49]、分子信息[23]或其他信息[50]可改善诊断性能。第二,尽管我们努力模拟真实临床阅片,但回顾性审阅和评估图像的五位放射科医师的表现不一定反映其在实践中的表现。因此,本研究采用前瞻性BI-RADS评估与模型进行诊断性能比较,该评估由放射科医师在面对面检查中实时完成,当时他们获得了更多关于患者的信息,以弥补本研究的这一局限性。此外,尽管我们在本研究中努力获取丰富且具有良好泛化性的数据集,但使用从单一公司系统收集的图像仍可能是一个局限性。各医院的放射科医师参与了使用来自一家公司六台不同设备的数据收集工作。DL模型在来自多个供应商不同设备收集的各种数据下可能表现更好,这是未来值得开展的有价值工作。在未来的工作中,我们将开发患者层面的CNN模型,整合更多临床信息或弹性成像和分子信息,以构建更稳健、泛化性更好的模型。预计将开发基于AI的实时决策支持软件并整合到超声机器中,帮助放射科医师,尤其是基层医院经验较少的医师,在临床实践中做出更好的诊断。还需要前瞻性多中心研究来评估AI在真实临床环境中的实际应用。

总之,我们使用大型数据集开发了一个深度学习模型,可在超声图像上诊断乳腺病灶。该模型可提供更客观的诊断结果,并提高放射科医师诊断乳腺病灶的性能。我们的研究在真实世界中辅助放射科医师解决临床问题方面具有很大应用前景。

补充信息

附加文件1。补充材料、图和表。

引用

  1. Gu Y, Xu W, Lin B, et al. Deep learning based on ultrasound images assists breast lesion diagnosis in China: a multicenter diagnostic study. Insights Imaging. 2022. PMID: 35900608. doi:10.1186/s13244-022-01259-8
  2. 全文:PMC9334487(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9334487/

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。