Performance of Algorithms Submitted in the 2023 RSNA Screening Mammography Breast Cancer Detection AI Challenge.
研究背景
乳腺癌是常见癌症，常规乳腺X线摄影筛查可降死亡率，但依赖高技能放射科医生，且存在漏检和高召回率问题。近年来AI技术发展，为改善乳腺筛查提供机会。
方法速览
研究团队邀请国际团队开发用于乳腺X线摄影图像分析的AI算法，共1687个团队提交，1537个算法被评估。评估数据集来自美国埃默里大学和澳大利亚BreastScreen Victoria，病例通过病理检查确认或随访。还使用多种统计方法评估性能。
主要发现
- 不同AI算法识别不同癌症：不同AI算法识别的癌症类型有差异，结合多个高性能算法可提高检测敏感性。
- 集成模型提高了敏感性：排名前3和前10的AI算法组成的集成模型，敏感性分别从48.6%提高到60.7%和67.8%，侵袭性癌症敏感性更高。
- 性能受数据来源影响：美国数据集敏感性低于澳大利亚数据集，Hologic设备获取图像的敏感性低于其他厂商设备。
- 年龄和乳腺密度的影响：小于59岁患者的特异性高于59岁及以上患者，乳腺密度对AI算法性能无显著影响。
总结展望
本研究是最大规模的乳腺X线摄影筛查AI挑战赛，展示了集成多个高性能AI算法可提高敏感性并保持低召回率。但存在二分类算法限制、训练和测试数据源相同、未评估算法架构等局限性。未来需进一步优化AI算法，提高其在不同人群和设备上的性能。