超声医师联合CAD机器诊断提高乳腺癌诊断效能的初步研究

作     者：杨磊 

作者单位：四川大学 

学位级别：硕士

导师姓名：彭玉兰

授予年度：2021年

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

主      题：CAD 机器诊断 BI-RADS分类 乳腺 超声 乳腺病理 

摘      要：目的:乳腺影像人工智能诊断一直是影像医学的热点,本研究采用我院同一组有病理结果的乳腺病例的超声图像,通过医师组二次盲法读图给出BI-RADS评估分类,通过输入CAD机器诊断系统得到良恶性判断,研究医师与CAD机器诊断系统的诊断效能,为临床如何使用CAD提升乳腺癌的诊断水平提供参考。资料和方法:1、资料依托指导老师团队前期的工作基础,从乳腺超声专病数据库中随机提取2018年1月-2020年12月的乳腺病例,纳入在我院进行乳腺穿刺活检或手术切除治疗获得病理结果的病例。超声图文资料齐全的病例5311例,共计13277幅超声图像。入组对象为乳腺病变BI-RADS分类为3、4、5类。排除同一切面有多个病变的图像,排除病变直径5cm者。2、方法 图像分析和诊断由医师组和CAD组(机器诊断)分别完成。医师组由两名5年以上乳腺超声检查经验的医师阅片,使用团队前期开发的盲法读图BI-RADS超声报告系统,完成全部病例的图像特征分析和BI-RADS分类。CAD组由德尚韵兴公司提供CAD机器诊断系统。两组在不知道患者病情、其他检查结果及病理结果的情况下依据超声图像读图分别给出诊断,医师组给予新的BI-RADS分类,CAD组给出良恶性判断。最后,分析医师组和CAD组判断不一致的病例,探索CAD机器诊断如何应用可以辅助医生提高乳腺癌的诊断水平。3、统计学方法所有数据录入Excel表建库,计量资料以均数±标准差表示。二分类数据比较采用χ检验。采用SPSS20.0软件进行统计学分析。以穿刺活检或手术病理结果作为金标准。分别计算医师组、CAD组、医师组联合CAD组三组对乳腺癌的诊断敏感度,特异度和准确度,阳性预测值,阴性预测值。并绘制三组诊断乳腺癌的ROC曲线,计算曲线下面积(area under the curve,AUC),采用Z检验比较ROC曲线下面积,以P0.05)。说明CAD组能提高良恶性判断的特异度。3、分析CAD组和医师组判读错误的病例,探索联合应用提升超声对乳腺癌的诊断效能,发现将医师组4B类中CAD分析为良性者降为4A类,医师组4A类中CAD组分析为恶性者升为4B类,其余类别的判断不变,调级后结果是BI-RADS分类4B类954例中489例使用CAD后降低为4A类,BI-RADS分类4A类1579例中82例升高为4B类。CAD机器诊断联合医师组进行BI-RADS最优化的分类后,ROC曲线下面积为0.957,敏感度,特异度、准确度分别为96.91%,88.41%,91.56%。阳性预测值为83.15%,阴性预测值为97.98%。4、联合组优化分类后分别与医师组和CAD组行χ检验,其中CAD组和联合组敏感度比较,差异有统计学意义(P0.05)。医师组和联合组比较,特异度、准确度差异有统计学意义(P0.05)。说明联合组能提高医师组良恶性判断的特异度和准确度。5、对三种方法所得的ROC曲线采用Z检验比较,P均0.05,差异具有统计学意义。结论:1、超声医师依据乳腺超声图像特征进行BI-RADS分类判断乳腺病变的恶性风险,敏感度高,乳腺超声检查适合作为乳腺癌筛查的影像技术。2、CAD机器诊断系统提升了超声诊断乳腺癌的特异度,可以辅助超声医师提高对乳腺癌的诊断水平。3、本研究初步探索了医师联合应用CAD机器诊断提高乳腺