Radiology：人工智能在子宫MRI中的应用

包括卵巢MRI在内的卵巢成像在加速改善卵巢癌外科手术的过程里面造就了举足轻重作用。识别良性和恶性出血的典型MRI特征，以及与各种恶性共通点具体的特殊性MRI形态学和凝聚态特征，使得电离辐射科内科医生能够包括比其他传统意义的成像形式越来越佳的检验，并对出血外科手术解决方案的订立包括越来越有意思的个人信息。虽然建模提高(DCE) MRI的抗体与x线摄影几乎比较，但在良恶性出血的辨识方面上仍有进一步提升的空数间。部分原因是由于电离辐射科内科医生对卵巢癌的评估因技术开发相异以及观察者内和观察者数间阐释的相异而中断。

多项深入研究开发了计算机视觉和人工智能的AI（AI）系统会，该系统会可用以医学三维上的计算机辅助检验和卵巢出血的一原理密切具体。电离辐射组学是计算机辅助检验的扩展，可包括与生物学和其他医学、临床和基因组数据具体的计算机浓缩特征。

近日，发表在Radiology杂志的一项深入研究评估了与传统意义的软件相比，常用AI系统会时电离辐射科内科医生在卵巢DCE MRI三维上区分良恶性出血方面的检验耐用性是否取得改善，为AI在医学的进一步应用及深入研究开拓了道路。

在本项回顾性深入研究里面，来自8个学术行政部门和11个出租养老院的19名卵巢电离辐射科内科医生对卵巢DCE MRI定期检查的三维进行了分析。阅读者对除此以外定期检查初稿两次次。在“第一次初稿”时，他们常用了包括凝聚态布在内传统意义的计算机辅助评估的软件。在“第二次审读”里面，通过计算机辅助检验的软件为他们包括了AI分析。采用受试者文书工作适应性弧线(ROC)分析来评估阅读者的检验耐用性，ROC弧线下面积(AUC)作为区分恶性和良性出血的量化。主要深入研究终点站是第一次和第二次初稿先决条件下AUC的相异。

本深入研究共归入111名成年人(千分之年龄52岁±13岁[标准差])并给予111组卵巢DCE MRI定期检查(其里面恶性出血54例，良性出血57例)。当常用AI系统会时，所有阅读者的千分之AUC从0.71减低到0.76 (P = 0.04)。当常用卵巢影像调查报告和数据系统会(BI-RADS)都可3作为向外时，千分之依赖性颇高(从90%减低到94%;变化的95%置信区数间[CI]: 0.8%，7.4%)，但在常用BI-RADS都可4a人口为120人不然(从80%到85%;95%置信区数间:-0.9%，11%)。无论是常用BI-RADS都可4a还是都可3作为向外，千分之抗体均无值得注意相异(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。

布 根据卵巢成像调查报告和数据系统会(BI-RADS) 4a类阈值在建模提高卵巢MRI三维上辨识良恶性出血的检验任务里面，19个阅读者第一次和第二次初稿的依赖性和抗体(以百分比指出)比较。

本深入研究表明，AI系统会的常用减低了电离辐射科内科医生在卵巢MRI里面辨识良恶性出血的检验耐用性，为医学进一步订立越来越可靠的外科手术解决方案包括了技术开发受伤的支持，为AI在医学及工程技术上的应用包括了参考依据。

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