人工智能S-Detect技术联合BI-RADS分类及Adler分级法在乳腺肿块诊断中的价值

作者：李如冰; 彭梅^*; 毕玉; 詹韵韵; 姜凡; 方明娣

来源：医学信息(上旬刊), 2022, 35(20): 32-36.

• S-Detect技术
• 彩色多普勒血流显像
• 乳腺影像报告数据系统
• 乳腺肿块

目的 探讨人工智能S-Detect技术联合BI-RADS分类及Adler分级法诊断乳腺肿块中的价值。方法 收集2019年9月-2021年7月在安徽医科大学第二附属医院超声诊断科行超声检查的121例乳腺肿块患者的超声图像资料，分析BI-RADS分类、S-Detect及Adler分级法诊断结果，根据S-Detect及Adler分级法诊断结果将每个肿块的分类进行联合诊断，以病理结果为金标准，比较BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法诊断乳腺肿块的灵敏度、特异度、准确度，采用受试者操作曲线（ROC）分析三种诊断方法的价值。结果 病理结果显示，121例乳腺肿块患者恶性65例，良性56例。BI-RADS分类、BI-RADS联合S-Detect技术、BI-RADS联合S-Detect技术及Adler分级法的AUC分别为0.644、0.663、0.823;BI-RADS分类诊断乳腺肿块的灵敏度为98.46%、特异度为30.36%、准确度为66.94%;BI-RADS联合S-Detect诊断乳腺肿块的灵敏度为96.92%，特异度为35.71%，准确度为68.60%;BI-RADS联合S-Detect及Adler分级法诊断乳腺肿块的灵敏度为98.46%，特异度为66.07%，准确度为83.47%。结论 人工智能S-Detect技术联合BI-RADS分类及Adler分级法可进一步提升对乳腺肿块的诊断效能，对临床干预与治疗具有重要的指导意义。

• 出版日期2022
• 单位安徽医科大学第二附属医院