研究显示，乳腺X射线摄影中的人工智能可能会受患者年龄和种族的影响而产生误报，这凸显了多样化训练数据的重要性。最近的一项研究分析了近5000张由FDA批准的人工智能算法解读的乳腺筛查照片，发现患者的种族和年龄等特征会影响假阳性率。研究结果发表在今天（5月21日）出版的北美放射学会（RSNA）期刊《放射学》上。
示例：一名59岁的黑人患者乳腺纤维腺体密度散在，乳房X光检查假阳性病例评分为96分。(A）左侧头尾切面和（B）内外侧斜切面显示外上象限中间深度（方框）有血管钙化，人工智能算法将其单独识别为可疑发现，并将单个病灶评分定为90分。因此，乳房X光检查的总分为96分。资料来源：北美放射学会（RSNA）
北卡罗来纳州达勒姆杜克大学助理教授、医学博士德里克-阮（DerekL.Nguyen）说："人工智能已成为放射科医生提高乳房X光筛查阅读效率和准确性，同时减轻阅读者倦怠感的一种资源。然而，患者特征对人工智能性能的影响还没有得到很好的研究。"
阮博士介绍说，虽然初步数据表明，将人工智能算法应用于乳腺X光筛查检查可能会提高放射科医生对乳腺癌检测的诊断性能，并缩短判读时间，但人工智能也有一些方面需要注意。
他说："用于人工智能算法训练的人口统计学多样化数据库很少，FDA也不要求多样化的数据集进行验证。"由于患者群体之间存在差异，因此研究人工智能软件能否适应不同年龄、种族和民族的患者，并使其表现达到相同水平非常重要。"
在这项回顾性研究中，研究人员确定了2016年至2019年期间在杜克大学医学中心进行数字乳腺断层合成筛查的阴性（无癌症证据）患者。所有患者在接受乳房X光筛查后都接受了为期两年的随访，没有患者被确诊为乳腺恶性肿瘤。
研究人员从这一群体中随机抽取了一个子集，该子集由4855名患者组成（中位年龄54岁），广泛分布在四个民族/种族群体中。该子集包括1316名（27%）白人患者、1261名（26%）黑人患者、1351名（28%）亚裔患者和927名（19%）西班牙裔患者。
一种市售的人工智能算法对乳房X射线照片子集中的每次检查进行解读，生成病例评分（或恶性肿瘤的确定性）和风险评分（或一年后的恶性肿瘤风险）。
阮说："我们的目标是评估人工智能算法在不同年龄、乳腺密度类型和不同患者种族/族裔中的表现是否一致。"
鉴于研究中的所有乳房X光检查结果均为阴性，因此该算法标记为可疑的任何结果均被视为假阳性结果。与白人患者和年龄在51-60岁之间的女性相比，黑人患者和年龄较大的患者（71-80岁）更容易出现假阳性病例评分，而亚裔患者和年龄较小的患者（41-50岁）则较少出现假阳性病例评分。
"这项研究非常重要，因为它强调了医疗机构购买的任何人工智能软件在所有患者年龄、种族/族裔和乳房密度方面的表现可能不尽相同。展望未来，我认为人工智能软件的升级应侧重于确保人口多样性。"阮博士说，医疗机构在购买用于乳房X光筛查解读的人工智能算法之前，应了解其服务的患者群体，并向供应商询问其算法培训情况。
掌握本机构的人口统计学基线知识，并向供应商询问其培训数据的种族和年龄多样性，将有助于你了解在临床实践中会面临的限制。
编译来源：ScitechDaily
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】