Radiology：人工智能在睾丸MRI中的应用

以外睾丸MRI在内的睾丸显微在来得快改善癌症病人的操作过程中会造就了重要作用。辨认隆性和恶性病症的典型MRI不同之处，以及与各种恶性亚型相关的比如说MRI遗传学和流体动力学不同之处，使得辐射科药剂师能够发放比其他传统观念的显微方式来得好的检验，并对病患病人建议书的拟订发放来得历史性的信息。虽然特性大幅提升(DCE) MRI的选择性与x两条路线摄影却是相当，但在隆恶性病症的比对多方面上仍有进一步提升的空间。部分原因是由于辐射科药剂师对癌症的评量因电子技术关联性以及也就是说内和也就是说间说明的关联性而受到影响。

多项研究工作开发新了计算机系统会视觉和建模的计算机系统（AI）系统会，该系统会可用做针灸布像上的计算机系统会辅助检验和睾丸病症的定量表征。辐射两组学是计算机系统会辅助检验的扩大，可发放与生物学和其他针灸、病理和基因两组数据资料相关的计算机系统会所含不同之处。

近日，发表在Radiology杂志的一项研究工作评量了与传统观念该软件比起，用做AI系统会时辐射科药剂师在睾丸DCE MRI布像上区分开隆恶性病症多方面的检验机动性确实得不到改善，为AI在针灸的进一步应用及研究工作开拓了道路。

在本项回顾性研究工作中会，来自8个学术的机构和11个私人医院的19名睾丸辐射科药剂师对睾丸DCE MRI核对的布像完成了系统会性。阅读者对总括核对审核两次次。在“第一次审核”时，他们用做了以外流体动力学布在内传统观念的计算机系统会辅助评量该软件。在“第二次审读”中会，通过计算机系统会辅助检验该软件为他们发放了AI系统会性。运用于受试者工作特性曲两条路线(ROC)系统会性来评量阅读者的检验机动性，ROC曲两条路线下覆盖面积(AUC)作为区分开恶性和隆性病症的测试方法。主要研究工作起始站是第一次和第二次审核条件下AUC的关联性。

本研究工作共纳入111名妇女(高达年龄52岁±13岁[标准差])并获取111两组睾丸DCE MRI核对(其中会恶性病症54实有，隆性病症57实有)。当用做AI系统会时，所有阅读者的高达AUC从0.71提升到0.76 (P = 0.04)。当用做睾丸视觉调查结果和计算机系统会网络(BI-RADS)大类3作为两点时，高达敏感度有所提升(从90%提升到94%;变化的95%正态分布[CI]: 0.8%，7.4%)，但在用做BI-RADS大类4aMLT-不然(从80%到85%;95%正态分布:-0.9%，11%)。无论是用做BI-RADS大类4a还是大类3作为两点，高达选择性均无明显关联性(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。

布 根据睾丸显微调查结果和计算机系统会网络(BI-RADS) 4a类阈值在特性大幅提升睾丸MRI布像上比对隆恶性病症的检验任务中会，19个阅读者第一次和第二次审核的敏感度和选择性(以百分比问到)比较。

本研究工作证明，计算机系统系统会的用做提升了辐射科药剂师在睾丸MRI中会比对隆恶性病症的检验机动性，为针灸进一步拟订来得准确的病人建议书发放了电子技术伤的支持，为计算机系统在针灸及科研的机构上的应用发放了参考依据。

原文中有：

Yulei Jiang,Alexandra V Edwards,Gillian M Newstead.Artificial Intelligence Applied to Breast MRI for Improved Diagnosis.DOI:10.1148/radiol.2020200292