文献速递乳腺乳腺X线

人工智能在挪威乳腺筛查项目中的表现:基于1254例乳腺癌的回顾性分析

Artificial intelligence in BreastScreen Norway: a retrospective analysis of a cancer-enriched sample including 1254 breast cancer cases.
PubMed 文献 · Eur Radiol · 2023-03-14

该回顾性研究基于挪威乳腺筛查项目中949例筛查检出癌、305例间期癌及13646次阴性检查,比较AI系统(Transpara 1.7.0,AI评分1-10,阈值10)与独立双读的筛查表现。结果显示92.7%的筛查检出癌和40.0%的间期癌AI评分为10;在最高乳腺密度(VDG4)女性中,AI检出全部筛查癌和48.6%的间期癌,灵敏度80.9%,高于双读的62.8%。41.9%的筛查检出癌在既往筛查中AI评分即为10,提示AI可能有助于更早发现乳腺癌。

要点

  • AI评分10见于92.7%筛查检出癌和40.0%间期癌,阴性检查中仅9.1%。
  • VDG4女性中AI灵敏度80.9%,高于独立双读的62.8%。
  • 41.9%筛查检出癌在既往筛查时AI评分已达10,提示可更早检出。

核心结论

  • AI系统在乳腺X线筛查中表现出与独立双读中单个读者相当的灵敏度,在最高乳腺密度女性中灵敏度高于双读。
  • 约40%的筛查检出癌在既往筛查时AI评分即为10,提示AI辅助阅片可能实现更早检出。
  • AI系统有望作为双读中的第二读者或预筛分流工具,但需前瞻性研究验证对召回率、 consensus及死亡率的影响。

研究设计与样本

  • 回顾性研究,纳入挪威BreastScreen Norway 2010-2018年数据,最终分析14900次检查,包括1254例乳腺癌(949例筛查检出癌、305例间期癌)和12642次阴性对照,另含1004例癌症患者的既往检查。
  • 所有女性均使用GE Senographe Essential数字乳腺X线机筛查,由13名乳腺放射科医生进行独立双读(每侧乳房1-5分,≥2分提交共识会议)。
  • AI系统为Transpara 1.7.0(ScreenPoint Medical),输出0.0-10.0连续原始评分并分为1-10组,以AI评分10为阈值。
  • 参考标准为筛查结果(召回、筛查检出癌、间期癌)及组织病理学特征;乳腺密度采用VolparaDensity 1.5.0自动测量并分为VDG1-4。
  • AI灵敏度与第一读者在相同特异度下比较(第一读者特异度97.6%),预筛分流阈值设为AI评分≤5。

关键影像表现/征象

  • 92.7%(880/949)的筛查检出癌和40.0%(122/305)的间期癌AI评分为10;全部乳腺癌中79.9%(1002/1254)AI评分为10,2.1%(26/1254)为1。
  • 阴性筛查结果中9.1%的检查AI评分为10。
  • VDG4女性中,59例筛查检出癌全部AI评分为10,间期癌中48.6%(17/35)AI评分为10。
  • AI评分10的筛查检出癌中79.1%为浸润性癌,中位肿瘤直径14 mm(IQR 10-21),28.9%组织学分级3级,21.5%淋巴结阳性。
  • AI评分10的间期癌中96.7%为浸润性癌,中位肿瘤直径22 mm(IQR 13-28),39.3%组织学分级3级,39.8%淋巴结阳性。

诊断标准与关键数值

  • AI系统Transpara 1.7.0输出1-10的AI评分,评分10定义为最高恶性风险阈值。
  • 第一读者特异度为97.6%;将AI原始评分阈值设定至相同特异度时,AI灵敏度为68.3%,第一读者为68.6%。
  • VDG4女性中,第一读者灵敏度60.6%,独立双读62.8%,AI评分10灵敏度80.9%;VDG1女性中分别为83.7%、93.5%、79.3%。
  • 以AI评分≤5作为预筛分流排除阈值,可排除54%(7475/13896)的检查,包括38.7%的假阳性、1.6%的筛查检出癌和24.3%的间期癌。
  • 41.9%(312/745)的筛查检出癌在既往筛查时AI评分为10,15.7%(117/745)为9;既往AI评分10者中26.2%淋巴结阳性,低于10者中17.8%。

临床应用与阅片要点

  • AI评分10对筛查检出癌灵敏度高,可作为双读中的第二读者或预筛分流工具,减少阅片工作量。
  • 在乳腺密度极高的女性(VDG4)中AI评分10检出全部筛查癌,提示AI可能弥补密度对读片的遮蔽效应。
  • AI评分10的间期癌中96.7%为浸润性且肿瘤较大、淋巴结阳性率较高,提示AI有助于发现具有临床意义的病灶。
  • 若将AI评分10直接用于召回,召回率约10%,为挪威筛查项目正常水平的2-4倍,需校准阈值后方可临床使用。
  • 既往筛查AI评分10者后续癌淋巴结阳性率更高,阅片时对既往AI高分者应提高警惕。

局限性

  • 癌症富集样本导致外部有效性受限,估计的灵敏度和特异度仅作比较工具,不代表绝对性能。
  • 未计算AUC、阳性预测值或阴性预测值;预筛分流的工作量减少和可避免假阳性可能被高估。
  • 仅纳入GE Senographe Essential设备的检查,且仅来自一个筛查地区,外推性有限。
  • 回顾性设计,AI系统在真实筛查流程中对共识会议、召回率和死亡率的影响未知,需前瞻性研究验证。
全文中译12 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:Eur Radiol. 2023 Mar 14;33(5):3735–43. doi: 10.1007/s00330-023-09461-y

引言

乳腺癌是全球最常见的癌症,也是女性癌症相关死亡最常见的原因[1]。通过系统性乳腺X线摄影筛查进行早期发现已被证明可降低晚期疾病的发生率和乳腺癌死亡率[2, 3]。

在当前筛查环境下,影像学准确性欠佳,总体灵敏度低于80%,对于乳腺X线摄影致密型乳腺女性可低至50%[3–7]。部分未被发现的癌症在下一轮筛查中以症状性间期癌的形式出现,与筛查发现的癌症相比,这些病例与预后较差的组织病理学肿瘤特征相关[8, 9]。基于回顾性共识的知情复核研究根据既往筛查乳腺X线摄影将20–30%的间期癌以及筛查发现的癌症归类为放射科医师漏诊[10–12]。

随着机器学习和深度学习的最新进展,人工智能(AI)作为提高乳腺X线摄影筛查灵敏度的手段正受到广泛关注。然而,基于真实筛查数据的AI系统性能知识仍然稀少,据我们所知,尚无研究探讨筛查发现癌症的既往乳腺X线摄影的AI恶性风险评分。此外,报道不同AI恶性风险评分乳腺癌的组织病理学肿瘤特征的研究以及按乳腺X线摄影密度分层结果的研究均有限[13, 14]。

采用独立双读片的筛查项目,如挪威乳腺癌筛查项目(BreastScreen Norway),给放射科医师带来了相当大的工作量。然而,绝大多数检查(超过96%)无乳腺癌征象[15]。为潜在减少解读阴性筛查乳腺X线摄影所花费的时间,AI系统已被提出作为在阅片过程中支持甚至替代放射科医师的工具[16–22]。在一项回顾性研究中,模拟如何使用AI系统进行分诊并将选定检查从放射科医师阅片流程中排除,与标准双读片相比,阅片量减少了63%,而未降低癌症检出率[14]。

我们利用挪威乳腺癌筛查项目中在罗加兰(Rogaland)收集的数据,比较了AI系统与独立双读片的性能。性能根据筛查结局衡量,包括共识、召回、癌症检出和组织病理学肿瘤特征。此外,我们按乳腺X线摄影密度对结果进行了分层,并研究了癌症检出检查之前各次检查的AI评分。

材料与方法

数据依据挪威癌症登记处法规§ 3–5的法律依据予以披露,该回顾性研究经区域医学与健康研究伦理委员会批准(2018/2574)。

从癌症登记数据库识别出2010年至2018年在斯塔万格大学医院检出的所有筛查发现的和间期乳腺癌,并按筛查时年龄和筛查检查年份与10倍随机阴性检查进行匹配。数据包括1275例癌症病例和12750例对照(图1)。此外,如可获得,还纳入了癌症病例既往筛查检查的筛查和人工智能(AI)信息(n = 1021)。所有乳腺X线摄影图像均从图像归档与通信系统中提取,并使用AI系统进行处理。AI系统的结果通过随机研究识别编号与假名化筛查信息合并。排除后,研究人群中剩余14900次检查的数字乳腺X线摄影图像,包括1254例乳腺癌病例、12642例阴性对照,以及1004名确诊乳腺癌女性的既往检查。所有女性均使用GE Senographe Essential进行筛查。筛查判读由13名乳腺放射科医师完成,年判读量中位数约为7000次判读,筛查判读经验为1–22年,包括研究期间。

挪威乳腺癌筛查项目为50–69岁女性提供每两年一次的乳腺X线摄影筛查。标准判读程序为独立双读片,每位放射科医师对每侧乳腺给出1至5分的评分以提示恶性可疑程度:1,恶性阴性;2,可能良性;3,中度怀疑恶性;4,可能恶性;5,高度怀疑恶性。任一或两位放射科医师判读评分≥2分的检查将在共识会议上讨论,以决定是否召回 [15]。

图1 研究样本流程图 查看原图 ↗

AI系统

本研究使用的AI系统为Transpara 1.7.0版(ScreenPoint Medical)。该市售AI系统带有欧洲合格认证(CE)标志,并已获美国食品药品监督管理局(FDA)许可。该AI系统提供0.0至10.0的连续评分(原始评分),并根据最高总体检查层面原始评分将检查分为10组。这被称为AI评分,范围为1至10。AI评分为1表示异常发现风险低,10表示高风险。该AI系统使用卷积神经网络分析乳腺X线摄影图像,并已在来自不同筛查项目和多个厂商的乳腺X线摄影图像上接受训练。

关注变量

召回定义为因乳腺X线摄影异常发现而导致进一步评估的筛查检查。筛查检出癌症定义为召回后且在筛查检查后6个月内诊断的乳腺癌,间期癌症定义为阴性筛查后24个月内或假阳性筛查结果后6–24个月内诊断的乳腺癌[15]。导管原位癌(DCIS)和浸润性癌均被视为乳腺癌。癌症类型分类为DCIS、非特殊型浸润性癌、浸润性小叶癌和其他浸润性癌。根据淋巴结状态、肿瘤直径和组织学分级,计算诺丁汉预后指数(NPI),对于浸润性癌分类为“优,≤ 2.4”、“良,> 2.4且≤ 3.4”、“中,> 3.4且≤ 5.4”和“差,> 5.4”[23]。定量体积乳腺密度,即Volpara密度分级(VDG;1、2、3、4),从自动化软件(VolparaDensity,版本1.5.0;Volpara Health Technologies)获得[24]。该分类类似于第四类乳腺影像报告和数据系统第5版分类系统(a、b、c、d)[25]。

统计分析

AI系统的性能通过描述性评估每个AI评分下独立双读筛查检出癌症和间期癌症的数量和百分比来评价。分类变量以频数和百分比表示。连续变量根据分布以均数和标准差(SD)或中位数和四分位距(IQR)表示。AI系统的灵敏度与第一读者的灵敏度进行比较,通过设定连续AI原始评分阈值使AI具有与第一读者完全相同的特异度来计算。对于第一读者,未被选择进行共识的筛查检出和间期癌症被视为假阴性。被选择进行共识的筛查检出和间期癌症被视为真阳性。这也可能包括召回和评估结果为阴性但后来发生间期癌症的情况。在计算AI系统的灵敏度时,所有原始评分高于给定阈值的筛查检出和间期癌症被视为真阳性。在理论分诊设置中的工作量减少计算为将从放射科医生阅片流程中排除的乳腺X线摄影的百分比。根据相关文献[14, 17, 19, 21],筛查前阅片分诊排除阈值设定为AI评分≤ 5。所有分析使用Windows版Stata 17.0((StataCorp)进行。

结果

研究样本中女性的平均年龄为58岁(SD = 6),25%的女性在该项目中接受了患病率筛查。92.7%(880/949)的筛查检出癌症和40.0%(122/305)的间期癌症AI评分为10(表1)。总体而言,研究样本中所有乳腺癌的79.9%(1002/1254)AI评分为10,2.1%(26/1254)AI评分为1。在69例AI评分低于10的筛查检出癌症中,30.4%(21/69)仅被两位放射科医生中的一位选择进行共识(表2)。第一读者的特异度为97.6%。通过将AI原始评分阈值设定在相同特异度水平,AI系统的灵敏度为68.3%,而第一读者为68.6%。

表1 13,896次乳腺X线摄影检查、结果为阴性的检查、筛查发现的癌症、间期癌症以及所有癌症合计的频率和百分比,按AI系统(AI评分)的恶性评分分层 查看原表 ↗
表2 在共识讨论中讨论的、召回进一步评估的筛查检查,以及一名或两名放射科医生判读为阳性结果的筛查发现癌症和间期癌症的频率和百分比,按AI系统(AI评分)的恶性评分分层 查看原表 ↗

组织病理学肿瘤特征

在AI评分为10的筛查发现癌症中,79.1%(696/880)为浸润性(表3)。这些病例的中位肿瘤直径为14 mm(IQR:10–21),28.9%(199/688)为组织学3级,21.5%(148/688)为淋巴结阳性(表4)。对于AI评分低于10的病例,84.1%(58/69)为浸润性,中位直径11 mm(IQR:8–15),29.1%(16/55)为组织学3级,17.9%(10/56)为淋巴结阳性。AI评分为10的病例平均NPI为3.6(SD = 1.1),评分低于10的病例为3.5(SD = 1.0)。

对于间期癌症,AI评分为10的病例中96.7%(118/122)为浸润性(表3)。AI评分低于10的病例该百分比相同。AI评分为10的病例中位肿瘤直径为22 mm(IQR:13–28),评分低于10的病例为23 mm(IQR:15–31)(表4)。AI评分为10的病例中总计39.3%(42/107)为3级肿瘤,39.8%(47/118)为淋巴结阳性。对于评分低于10的病例,46.7%(77/165)为3级肿瘤,40.1%(71/177)为淋巴结阳性。AI评分为10的病例平均NPI为4.0(SD = 1.2),评分低于10的病例为4.2(SD = 1.0)。

表3 AI系统恶性评分(AI评分)为10和AI评分< 10的筛查发现癌症和间期癌症的组织病理学肿瘤特征(频率、百分比和AI灵敏度) 查看原表 ↗
表4 AI系统恶性评分(AI评分)为10和AI评分< 10的浸润性筛查发现癌症和间期癌症的组织病理学肿瘤特征(频率和百分比)。肿瘤直径、组织学分级、淋巴结受累和Nottingham预后指数(NPI)针对浸润性肿瘤计算,包括非特殊型(NST)、小叶型和其他浸润性 查看原表 ↗

乳腺密度

在我们的研究样本中,15%(1916/12,811)的女性被分类为VDG1,49%(6111/12,811)为VDG2,30%(3782/12,811)为VDG3,7%(891/12,811)为VDG4。在59名筛查发现癌症且为VDG4的女性中,所有病例的AI评分均为10(图2)。在VDG4的间期癌症病例中,48.6%(17/35)的AI评分为10。VDG4女性的灵敏度在第一读片者中为60.6%,独立双读为62.8%,AI评分10为80.9%。VDG1女性的灵敏度在第一读片者中为83.7%,独立双读为93.5%,AI评分10为79.3%(补充图1)。

图2 894例筛查发现癌症(SDC)和289例间期癌症(IC)中AI评分为10的百分比,按Volpara密度分级(VDG,1–4)分层。水平虚线代表AI评分为10的SDC和IC的平均百分比 查看原图 ↗

既往筛查检查

我们发现,在既往有筛查检查的筛查检出癌症病例中,41.9%(312/745)在既往筛查乳腺X线摄影上的评分为10,15.7%(117/745)的人工智能(AI)评分为9(表5)。共有17.6%(131/745)在既往检查中经共识讨论,5.5%(41/745)被召回但结果为阴性。在既往筛查乳腺X线摄影AI评分为10的筛查检出癌症中,26.2%(64/244)为淋巴结阳性,而AI评分低于10者为17.8%(61/342)(补充表1)。既往乳腺X线摄影AI评分为10的筛查检出癌症中,5.8%被分类为VDG4,而AI评分低于10者为4.4%。

表5 754例筛查检出癌症的既往筛查检查频率和百分比,按AI系统的恶性评分(AI评分)分层。同时呈现经共识讨论、召回进一步评估以及由一名或两名放射科医师判读为阳性的检查,按AI系统的恶性评分(AI评分)分层 查看原表 ↗

筛前阅片分诊

通过将AI评分为1–5的乳腺X线摄影从放射科医师阅片流程中排除,54%(7475/13,896)的所有检查将被移除,包括38.7%(219/568)的假阳性、1.6%(15/949)的筛查检出癌症和24.3%(74/305)的间期癌症(表1和表2)。

讨论

在这项使用包含1254例乳腺癌病例的癌症富集数据集的回顾性研究中,我们发现92.7%的筛查检出癌症和40.0%的间期癌症AI评分为10,代表乳腺癌最高风险。在独立双阅片设置中,AI系统的准确性与一名阅片者相当。在乳腺X线摄影乳腺密度最高的女性中检出的癌症里,所有筛查检出癌症和48.6%的间期癌症AI评分为10,提示敏感性可能从62.8%提高到80.9%。我们发现筛查检出癌症病例的既往乳腺X线摄影中41.9%的AI评分为10。

将AI阈值设定为与第一阅片者相同特异度水平时的估计敏感性提示,AI系统的性能与放射科医师相当,并凸显了在双阅片设置中将AI系统作为第二阅片者实施的潜力。根据2021年的一项系统综述,AI系统尚未具有足够的特异度以在双阅片中取代两名放射科医师,且在与单名放射科医师比较时结果不一,AI系统在判读过程中何处可能最有价值仍不清楚[26]。我们的结果可能为乳腺X线摄影筛查中实施AI的讨论提供信息。

观察到的筛查检出癌与间期癌作为独立于AI评分的两组在组织病理学肿瘤特征和NPI上的差异与其他研究结果高度一致[8, 9]。NPI是一个临床相关且经国际验证的评分系统,用于确定乳腺癌患者术后长期预后[23, 27–29]。AI系统在相当数量的高NPI间期癌中评分为10,但对乳腺癌死亡率的潜在影响需要在前瞻性研究中进行适当调查才能得出结论。关于肿瘤大小、组织学分级、淋巴结受累和NPI的结果表明,AI评分低于10的间期癌相比AI评分为10的间期癌具有较差有利的肿瘤特征,这可能表明这些是真正的间期癌,与快速生长和侵袭性潜能相关。

乳腺X线摄影显示极致密型乳腺的女性相比脂肪型乳腺女性患乳腺癌的风险高3–6倍,并且由于致密组织对肿瘤的遮蔽效应,对放射科医生而言也是一项挑战[7, 30, 31]。由于极致密型乳腺女性诊断时晚期疾病风险增加,欧洲乳腺影像学会(EUSOBI)建议为这些女性每2–4年提供MRI筛查[7]。然而,EUSOBI承认这在当前放射学资源条件下可能不可行[7]。我们发现AI在极致密型乳腺(VDG4)中识别了大部分癌症;在密度评分最高的女性中,所有筛查检出癌和近一半的间期癌AI评分为10。如果在前瞻性筛查环境中能获得类似结果,则可能在不增加补充模态的情况下提高极致密型乳腺女性的癌症检出率。在一项丹麦研究中,与我们使用的相同的AI系统随着乳腺密度增加维持了持续高的受试者工作特征曲线下面积(AUC)值[14],与放射科医生相反。AI系统在致密乳腺中的高灵敏度需要进一步研究,并应在未来前瞻性研究的分流中加以考虑。

相当大比例的筛查检出癌症患者,在确诊癌症的那次乳腺X线摄影之前的乳腺X线摄影中,其AI评分即显示为10,与AI评分低于10的癌症病例相比,这些病例具有更高的NPI,且更常为淋巴结阳性。尽管该组中极度致密乳腺的比例略有偏高,但我们的研究结果表明,借助AI系统有可能更早发现相关癌症。据我们所知,迄今尚无研究使用AI对筛查检出癌症女性的既往乳腺X线摄影进行检查,但我们的观察结果与当前基于回顾性共识知情复核研究的知识相符,这些研究将20–30%的筛查检出癌症归类为漏诊癌症[10, 11]。有趣的是,86例AI评分为10的筛查检出癌症曾在上一轮次的共识讨论中被讨论,24名女性有“假阳性”筛查结果,被召回进一步检查但结果为阴性。我们的观察结果与当前知识相符:在共识讨论中被讨论的女性,无论是被排除还是被召回,在下一轮筛查中癌症风险均增加[32]。需要对这些乳腺X线摄影进行复核才能根据这些观察结果得出结论。

我们的结果支持其他研究的结果,这些研究表明在乳腺X线摄影筛查中将AI用作第二阅片者或分诊工具具有有益效果[14, 16, 17, 21, 22]。两种方法,无论单独使用还是联合使用,都将显著减少放射科医师的阅片量。然而,我们必须意识到缺乏证据表明AI在真实筛查环境中会如何影响共识过程。即使AI系统能够实现优于放射科医师的灵敏度和特异度,其对共识、实际召回率以及最终死亡率的影响仍未知,需要专门的前瞻性研究。AI系统在实时临床环境中的性能依赖于AI原始评分阈值的校准,取决于AI系统在特定筛查环境中的角色,例如分诊、共识选择或直接召回。例如,选择所有检查AI评分为10的女性进行直接召回而不进一步调整AI阈值,将产生约10%的不可接受的高召回率,是挪威乳腺癌筛查项目目前正常水平的2–4倍[15]。

本研究的优势在于癌症病例数量大、乳腺摄影密度的自动化测量,以及图像数据与挪威癌症登记处完整的筛查数据进行了合并,该数据资源对于乳腺癌而言接近100%完整[33]。局限性涉及癌症富集、仅纳入GE Senographe Essential设备的检查以及仅纳入一个筛查区域的检查。由于富集数据集在外推效度方面的问题,估计的灵敏度和特异度仅作为比较工具进行评估,而非作为绝对值。AUC值、阳性预测值或阴性预测值均未计算。出于同样的原因,在预筛阅片分诊环境中估计的工作量减少和可避免的假阳性可能过高。代表真实筛查人群的数据集优于癌症富集数据集。

总之,我们基于回顾性癌症富集数据和一个人工智能系统的研究表明,使用标准数字乳腺X线摄影进行乳腺癌筛查取得了有希望的结果,其中人工智能系统可能有效作为第二阅片者或分诊工具。对于乳腺极度致密的女性,人工智能系统检测癌症的灵敏度高于放射科医师。此外,40%的筛查检出癌症在既往筛查检查中评分为10,表明具有更早检出的潜力。此外,我们的结果表明,放射科医师的筛查工作量可能在不降低癌症检出的情况下减少。

补充信息

以下是电子补充材料的链接。补充文件1(PDF 95 KB)

引用

  1. Koch, Larsen, Bartsch, et al. Artificial intelligence in BreastScreen Norway: a retrospective analysis of a cancer-enriched sample including 1254 breast cancer cases. Eur Radiol. 2023. PMID: 36917260. doi:10.1007/s00330-023-09461-y
  2. 全文:PMC10121532(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10121532/

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。