基于深度学习技术的乳腺智能检测系统在触诊阴性乳腺肿瘤诊断中的应用

目的 拟探讨基于深度学习技术的乳腺X线智能检测系统在临床触诊阴性乳腺肿瘤诊断中的应用价值.方法 回顾性收集2014年1月至2016年12月期间就诊于陕西省肿瘤医院的临床触诊阴性乳腺肿瘤患者322例,均手术治疗且临床病理资料齐全.使用MammoWorks?乳腺智能检测系统对所有入组患者乳腺X线图片进行分析,以术后病理结果为金标准,分析在临床触诊阴性乳腺肿瘤中该检测系统算法更新前后的灵敏度、阳性预测值及每幅图假阳性标记数,以及临床病理特征对其检测效能的影响,并对比不同版本的检测效能差异.结果 不同版本MammoWorks?(前期版本号:3.5.2.6;更新后版本号:3.5.4.43)在临床触诊阴性乳腺肿瘤中的诊断灵敏度分别为 78.57％(253/322)、95.65％(308/322),阳性预测值(以标记数计算)分别为55.32％(801/1 448)、44.27％(1 120/2 530),每幅图假阳性标记数分别为0.50(0.25,0.75)、1.00(0.75,1.50);系统经过深度学习,算法得以更新,其检测灵敏度升高(x2=35.926,P＜0.001),阳性预测值降低(x2=45.02,P＜0.001),每幅图假阳性标记较前期版本有所增加(Z=-14.105,P＜0.001).两个版本的检测效能一致性较差(kappa=0.234).在不同乳腺密度、病灶类型分组中前期版本系统检测灵敏度差异有统计学意义(x2 = 12.198,16.235;P＜0.05);系统更新之后消除了在不同临床病理特征分组中灵敏度的差异,组间差异均无统计学意义(P＞0.05).结论 MammoWorks?系统通过算法更新,其检测灵敏度较前提高,在临床触诊阴性乳腺癌诊断中具有一定应用价值;但因其每幅图假阳性标记较多,仍需进一步优化,提高检测效能.