科学家利用人工智能对具有致密型乳腺的女性进行额外的MIR筛查

乳房X光检查通过在癌症最易治疗时提供早期检测，帮助减少了乳腺癌的死亡。然而，它对具有致密型乳腺的女性的敏感度较低。此外，乳腺极度致密的女性患乳腺癌的风险比具有脂肪型乳腺的女性高三至六倍，比普通女性高两倍。

对乳腺极度致密的女性进行补充筛查可提高癌症检测的灵敏度。致密组织和早期乳腺肿瘤筛查（DENSE）试验是一项基于荷兰的大型研究，其研究结果支持使用MRI进行补充筛查。

"DENSE试验显示，对乳腺极度致密的女性进行额外的MRI筛查是有益的，"研究主要作者、来自荷兰乌特勒支大学医学中心图像科学研究所的Erik Verburg硕士说。"另一方面，DENSE试验证实，绝大多数被筛查的女性在MRI上没有任何可疑的发现"。

由于大多数核磁共振成像显示正常的解剖和生理变化，可能不需要进行放射学审查，因此需要对这些正常的核磁共振成像进行分流以减少放射科医生的工作量。

在第一个此类研究中，Verburg及其同事着手确定基于深度学习（一种复杂的人工智能）的自动分流方法的可行性。他们使用来自DENSE试验的乳腺MRI数据来开发和训练深度学习模型，以区分有病变和无病变的乳房。该模型在七家医院的数据上进行训练，并在第八家医院的数据上进行测试。

超过4500个极度致密乳房的MRI数据集被纳入其中。在9162个乳房中，838个至少有一个病变，其中77个是恶性的，8324个没有病变。

深度学习模型认为90.7%的有病变的核磁共振成像是不正常的，并将它们分流到放射科审查。它驳回了大约40%的无病变MRI，而没有遗漏任何癌症。

Verburg说："我们的研究表明，有可能安全地使用人工智能来驳回乳腺筛查MRI而不遗漏任何恶性疾病。结果比预期的要好。40%是一个良好的开始。然而，我们仍有60%需要改进。"

Verburg说，基于人工智能的分流系统有可能大大减少放射医师的工作量。仅在荷兰，就有近8.2万名女性可能有资格根据乳腺组织密度接受两年一次的核磁共振乳房筛查。

“这种方法首先可以用来协助放射科医生减少总体阅读时间，”Verburg说。“因此，可以有更多的时间来专注于真正复杂的乳腺MRI检查。”

研究人员计划在其他数据集中验证该模型，并在DENSE试验的后续筛查回合中部署它。