用于筛查的人工智能辅助手持乳腺超声：诊断测试准确性的系统评价
图像与视频处理
2024-11-13 v1 计算机视觉与模式识别
摘要
背景。基于乳腺 X 线摄影的乳腺癌筛查项目已使高收入国家的死亡率显著降低。然而，许多低收入和中等收入国家缺乏乳腺 X 线筛查资源。手持乳腺超声（BUS）是一种低成本替代方案，但需要大量培训。人工智能（AI）赋能的 BUS 可能有助于乳腺癌的检测（感知）和分类（解读）。材料与方法。本综述（CRD42023493053）按照 PRISMA（系统评价和荟萃分析优选报告项目）和 SWiM（无荟萃分析的综合）指南报告。检索了 2016 年 1 月 1 日至 2023 年 12 月 12 日期间的 PubMed 和 Google Scholar。未尝试荟萃分析。根据 AI 任务类型、应用时间和 AI 任务对研究进行分组。使用 QUADAS-2（诊断准确性研究质量评估工具-2）评估研究质量。结果。在 763 篇候选研究中，共评审了 314 篇全文。纳入 34 项研究。纳入研究的 AI 任务如下：1 项帧选择，6 项检测，11 项分割，16 项分类。总共来自 185,000 多名患者的 570 万张 BUS 图像用于 AI 训练或验证。单项研究包含前瞻性测试集。79% 的研究存在高或不明确偏倚风险。结论。AI 用于 BUS 的发展令人鼓舞。尽管研究显示在所有已识别任务中均表现出高性能，但支持 AI 增强 BUS 的证据总体上缺乏稳健性。高质量的模型验证将是实现 AI 增强 BUS 在资源受限环境中增加筛查可及性潜力的关键。
引用
@article{arxiv.2411.07322,
title = {Artificial Intelligence-Informed Handheld Breast Ultrasound for Screening: A Systematic Review of Diagnostic Test Accuracy},
author = {Arianna Bunnell and Dustin Valdez and Fredrik Strand and Yannik Glaser and Peter Sadowski and John A. Shepherd},
journal= {arXiv preprint arXiv:2411.07322},
year = {2024}
}