人工智能辅助评分联合剪切波弹性成像在乳腺结节鉴别诊断中的应用

作者：罗季平; 唐博; 周桃; 黄多; 黄薪儒; 于粒粒; 岳文胜^*

来源：现代肿瘤医学, 2022, 30(23): 4325-4329.

• 弹性成像
• 剪切波
• 人工智能辅助评分
• 乳腺结节
• 鉴别诊断

目的:探讨人工智能辅助评分(artificial intelligence assisted scoring, AIAS)联合剪切波弹性成像(shear wave elastography, SWE)在乳腺结节鉴别诊断中的价值。方法:纳入90例患者共91个乳腺结节进行AI和SWE检查，记录结节的AIAS和弹性模量最大值(Emax)、平均值(Emean)及标准差(Esd)。以AIAS和最佳弹性模量值为自变量，病理结果为因变量作二元Logistic回归分析，计算联合诊断预测因子并建立回归方程。以病理结果为金标准，绘制所有参数的受试者工作特征(receiver operating characteristic, ROC)曲线，计算并比较其曲线下面积(area under curve, AUC),获得最佳诊断临界值和净重新分类指数(NRI),评估AIAS、SWE及二者联合诊断乳腺结节良恶性的效能差异。结果:乳腺恶性病灶的AIAS、Emax、Emean、Esd值均较良性增大(P均<0.001)。AIAS截断值≥0.6分时，AI诊断乳腺癌的灵敏度、特异度、准确率较高。Emax、Emean、Esd的AUC分别为0.913、0.836、0.903(P均<0.05),其中Emax曲线下面积最大，截断值为87.4 kPa时诊断效能最佳。AIAS、Emax及联合诊断的AUC分别为0.911、0.913、0.943(P均<0.05)。根据NRI结果，联合诊断对AIAS和Emax均为正改善(P均<0.05)。结论:AIAS和SWE对乳腺结节均具有较好的鉴别诊断能力。与单独应用相比，二者联合诊断可提高乳腺恶性肿瘤的诊断效能。

• 出版日期2022
• 单位医学影像四川省重点实验室; 川北医学院附属医院