Key points are not available for this paper at this time.
تهدف هذه الدراسة إلى تحسين دقة اكتشاف سرطان الثدي من خلال أداة الموجات فوق الصوتية المدفوعة بالذكاء الاصطناعي، Vis-BUS، التي تم تطويرها من قبل Barreleye Inc.، سيول، كوريا الجنوبية. تتضمن Vis-BUS الذكاء الاصطناعي لاكتشاف الآفات (LD-AI) والذكاء الاصطناعي لتحليل الآفات (LA-AI)، بالإضافة إلى درجة احتمال الإصابة بالسرطان (CPS)، لتمييز بين الآفات الثديية الحميدة والخبيثة. تم إجراء تحليل استعادي على 258 فحصاً للموجات فوق الصوتية للثدي لتقييم أداء Vis-BUS. شملت الأساليب الرئيسية تطبيق LD-AI وLA-AI على صور الموجات فوق الصوتية من نوع ب-مود وخلق CPS لكل آفة. تم تقييم الدقة التشخيصية باستخدام مقاييس مثل المساحة تحت منحنى الخصائص التشغيلية للمستقبلات (AUROC) والمساحة تحت منحنى الدقة-الاسترجاع (AUPRC). وجدت الدراسة أن Vis-BUS حققت دقة تشخيصية عالية، مع AUROC قدره 0.964 وAUPRC قدره 0.967، مما يدل على فعاليتها في تمييز بين الآفات الحميدة والخبيثة. حدد تحليل الانحدار اللوجستي أن كثافة الآفة 'الدهنية' كانت لها نسبة احتمالية مرتفعة للغاية (OR) قدرها 27.7781، مما يشير إلى مشاكل محتملة في التقارب. كانت فئة الكثافة 'المجهولة' لها OR قدره 0.3185، مما يدل على احتمالية أقل للتصنيف الصحيح. كانت الأحجام المتوسطة والكبيرة من الآفات مرتبطة بانخفاض احتمالية التصنيف الصحيح، مع ORs قدرها 0.7891 و0.8014، على التوالي. أظهرت وجود الكالسيفيكations الدقيقة OR قدره 1.360. من بين فئات نظام تصوير الثدي والتقرير والبيانات، كانت الفئة C5 لها OR أعلى بشكل ملحوظ قدره 10.173، مما يعكس احتمالية أعلى للتصنيف الصحيح. تعمل Vis-BUS على تحسين الدقة التشخيصية بشكل كبير وتدعم اتخاذ القرارات السريرية في فحص سرطان الثدي. ومع ذلك، هناك حاجة إلى المزيد من التحسين في مجالات مثل تمييز كثافة الآفة واكتشاف التكلسات لتحسين أدائها.
درس كوان وآخرون (Mon،) هذا السؤال.