人工智能網(wǎng)絡(luò)幫助醫(yī)生分析乳房異常X線片惡性的可能性
(Surgery 2001;129:459-66)
用人工智能網(wǎng)絡(luò)和邏輯回歸模式這兩種預(yù)測軟件均可預(yù)測乳房X線片異常病人是否活檢為惡性。
南卡羅來那州Spartanburg Regional醫(yī)學(xué)中心的Richard Orr博士分析了1288例乳房X線攝片異常的女性。
人工智能網(wǎng)絡(luò)(ANNs)是一個(gè)越來越受歡迎的預(yù)測工具，通過輸入一系列有價(jià)值的臨床參數(shù)，經(jīng)過分析，可產(chǎn)生一系列結(jié)果，然后用作預(yù)測模式。ANNs對沒有線性解答的診斷問題特別有吸引力。
幾項(xiàng)研究顯示，用ANNs預(yù)測乳房X線攝片異常病人癌癥可能性的準(zhǔn)確率要比有經(jīng)驗(yàn)的放射科醫(yī)生好。但研究人員注意到，這需要8-43項(xiàng)臨床或放射學(xué)參數(shù)，因此對較忙的臨床醫(yī)生不實(shí)用。另一種預(yù)測方法是邏輯回歸軟件，但目前還沒有應(yīng)用到乳房X線片異常這個(gè)臨床問題。
, http://www.www.srpcoatings.com
這項(xiàng)研究的病人為沒有觸摸到病變和超聲檢查未發(fā)現(xiàn)囊性病變的病人。在這些病人中，有617例行病理活檢，發(fā)現(xiàn)185例為惡性，其中70%為浸潤癌，其余的為原位癌。中值隨訪時(shí)間為51月。對沒有進(jìn)行活檢的病人至少隨訪一年。
ANN方法用商業(yè)軟件包(Neuroshell2, Ward Systems Group)。研究人員將病人分為3組，一組為訓(xùn)練組，490例病人，另二組為實(shí)驗(yàn)組分別有454例和344例病人。模式的輸入?yún)?shù)包括病人年齡、懷疑程度、異常類型(明顯腫塊、異常密度、微鈣化或不對稱)和穩(wěn)定性(隨時(shí)間變化情況)。輸出結(jié)果為良性或惡性。
同樣，用NCSS軟件建立邏輯回歸模式來尋找最理想的變量數(shù)目，以產(chǎn)生ROC曲線下最大面積的模式。ROC曲線是一種統(tǒng)計(jì)學(xué)分析方法，1.0代表最大預(yù)測能力。輸入的5個(gè)變量為年齡、兩種憑印象得出的虛擬變量、有無微小鈣化的出現(xiàn)和異常乳房X線攝片情況有無進(jìn)展。
外科醫(yī)生預(yù)測708例為良性，這其中后來發(fā)現(xiàn)有13例是惡性。其中的9例由于其它危險(xiǎn)因素或病人要求而及時(shí)進(jìn)行了活檢。其它4例在6-36個(gè)月后由于乳房X線攝片圖象改變進(jìn)行活檢而發(fā)現(xiàn)的。用ROC曲線對外科醫(yī)生良惡性預(yù)測總體能力評價(jià)結(jié)果為0.86。
, 百拇醫(yī)藥
ANN模式的ROC曲線下面積為0.91，比外科醫(yī)生預(yù)測準(zhǔn)確率高。智能網(wǎng)絡(luò)僅漏診2例(外科醫(yī)生漏診13例)，這2例均為年輕女性、導(dǎo)管內(nèi)癌。智能網(wǎng)絡(luò)可綜合分析不同于良性腫瘤的其它異常表現(xiàn)資料。
邏輯回歸模式分析稍微比ANN模式差一點(diǎn)，為0.86。可是邏輯回歸模式發(fā)現(xiàn)了外科醫(yī)生漏診的同樣病例和ANN模式同樣預(yù)測錯(cuò)誤的2例病例。
預(yù)測模式如ANN軟件的能力在于將最好的臨床醫(yī)生(變量選擇)和用來分配相對權(quán)數(shù)的數(shù)學(xué)方法結(jié)合起來。內(nèi)科醫(yī)生能決定重要的變量但將相對權(quán)數(shù)分配到每一個(gè)參數(shù)有一定的困難，因此ANN和其它方法十分重要。
與發(fā)表在放射學(xué)著作上的更為復(fù)雜的ANN模式相比，這項(xiàng)研究結(jié)果應(yīng)用簡單、需要輸入的數(shù)據(jù)少。幾乎和ANN模式一樣，臨床醫(yī)生也會很喜歡。邏輯回歸模式更容易理解，它用概率代替的未知框的權(quán)數(shù)，可利用現(xiàn)成的統(tǒng)計(jì)學(xué)軟件，便于攜帶到其它地方，可被不同的工作人員和軟件復(fù)制，而ANN模式不行。
在臨床環(huán)境下應(yīng)用ANN模式可能產(chǎn)生潛在的限制，即網(wǎng)絡(luò)非常依賴乳房X線攝片的閱片者，因此不能傳輸?shù)狡渌ぷ鲉挝�。就�?shí)用性來說，數(shù)字危險(xiǎn)性評估為外科醫(yī)生和放射科醫(yī)生對建議病人隨訪提供了幫助，同時(shí)要考慮不包括在模式中的其它因素如病人和醫(yī)生對惡性腫瘤漏診的態(tài)度及活檢作用。研究人員得出結(jié)論，應(yīng)告訴那些醫(yī)生認(rèn)為惡性可能性小、模式分析惡性危險(xiǎn)性低于1%的病人，盡管惡性程度低但不是零。, http://www.www.srpcoatings.com
用人工智能網(wǎng)絡(luò)和邏輯回歸模式這兩種預(yù)測軟件均可預(yù)測乳房X線片異常病人是否活檢為惡性。
南卡羅來那州Spartanburg Regional醫(yī)學(xué)中心的Richard Orr博士分析了1288例乳房X線攝片異常的女性。
人工智能網(wǎng)絡(luò)(ANNs)是一個(gè)越來越受歡迎的預(yù)測工具，通過輸入一系列有價(jià)值的臨床參數(shù)，經(jīng)過分析，可產(chǎn)生一系列結(jié)果，然后用作預(yù)測模式。ANNs對沒有線性解答的診斷問題特別有吸引力。
幾項(xiàng)研究顯示，用ANNs預(yù)測乳房X線攝片異常病人癌癥可能性的準(zhǔn)確率要比有經(jīng)驗(yàn)的放射科醫(yī)生好。但研究人員注意到，這需要8-43項(xiàng)臨床或放射學(xué)參數(shù)，因此對較忙的臨床醫(yī)生不實(shí)用。另一種預(yù)測方法是邏輯回歸軟件，但目前還沒有應(yīng)用到乳房X線片異常這個(gè)臨床問題。
, http://www.www.srpcoatings.com
這項(xiàng)研究的病人為沒有觸摸到病變和超聲檢查未發(fā)現(xiàn)囊性病變的病人。在這些病人中，有617例行病理活檢，發(fā)現(xiàn)185例為惡性，其中70%為浸潤癌，其余的為原位癌。中值隨訪時(shí)間為51月。對沒有進(jìn)行活檢的病人至少隨訪一年。
ANN方法用商業(yè)軟件包(Neuroshell2, Ward Systems Group)。研究人員將病人分為3組，一組為訓(xùn)練組，490例病人，另二組為實(shí)驗(yàn)組分別有454例和344例病人。模式的輸入?yún)?shù)包括病人年齡、懷疑程度、異常類型(明顯腫塊、異常密度、微鈣化或不對稱)和穩(wěn)定性(隨時(shí)間變化情況)。輸出結(jié)果為良性或惡性。
同樣，用NCSS軟件建立邏輯回歸模式來尋找最理想的變量數(shù)目，以產(chǎn)生ROC曲線下最大面積的模式。ROC曲線是一種統(tǒng)計(jì)學(xué)分析方法，1.0代表最大預(yù)測能力。輸入的5個(gè)變量為年齡、兩種憑印象得出的虛擬變量、有無微小鈣化的出現(xiàn)和異常乳房X線攝片情況有無進(jìn)展。
外科醫(yī)生預(yù)測708例為良性，這其中后來發(fā)現(xiàn)有13例是惡性。其中的9例由于其它危險(xiǎn)因素或病人要求而及時(shí)進(jìn)行了活檢。其它4例在6-36個(gè)月后由于乳房X線攝片圖象改變進(jìn)行活檢而發(fā)現(xiàn)的。用ROC曲線對外科醫(yī)生良惡性預(yù)測總體能力評價(jià)結(jié)果為0.86。
, 百拇醫(yī)藥
ANN模式的ROC曲線下面積為0.91，比外科醫(yī)生預(yù)測準(zhǔn)確率高。智能網(wǎng)絡(luò)僅漏診2例(外科醫(yī)生漏診13例)，這2例均為年輕女性、導(dǎo)管內(nèi)癌。智能網(wǎng)絡(luò)可綜合分析不同于良性腫瘤的其它異常表現(xiàn)資料。
邏輯回歸模式分析稍微比ANN模式差一點(diǎn)，為0.86。可是邏輯回歸模式發(fā)現(xiàn)了外科醫(yī)生漏診的同樣病例和ANN模式同樣預(yù)測錯(cuò)誤的2例病例。
預(yù)測模式如ANN軟件的能力在于將最好的臨床醫(yī)生(變量選擇)和用來分配相對權(quán)數(shù)的數(shù)學(xué)方法結(jié)合起來。內(nèi)科醫(yī)生能決定重要的變量但將相對權(quán)數(shù)分配到每一個(gè)參數(shù)有一定的困難，因此ANN和其它方法十分重要。
與發(fā)表在放射學(xué)著作上的更為復(fù)雜的ANN模式相比，這項(xiàng)研究結(jié)果應(yīng)用簡單、需要輸入的數(shù)據(jù)少。幾乎和ANN模式一樣，臨床醫(yī)生也會很喜歡。邏輯回歸模式更容易理解，它用概率代替的未知框的權(quán)數(shù)，可利用現(xiàn)成的統(tǒng)計(jì)學(xué)軟件，便于攜帶到其它地方，可被不同的工作人員和軟件復(fù)制，而ANN模式不行。
在臨床環(huán)境下應(yīng)用ANN模式可能產(chǎn)生潛在的限制，即網(wǎng)絡(luò)非常依賴乳房X線攝片的閱片者，因此不能傳輸?shù)狡渌ぷ鲉挝�。就�?shí)用性來說，數(shù)字危險(xiǎn)性評估為外科醫(yī)生和放射科醫(yī)生對建議病人隨訪提供了幫助，同時(shí)要考慮不包括在模式中的其它因素如病人和醫(yī)生對惡性腫瘤漏診的態(tài)度及活檢作用。研究人員得出結(jié)論，應(yīng)告訴那些醫(yī)生認(rèn)為惡性可能性小、模式分析惡性危險(xiǎn)性低于1%的病人，盡管惡性程度低但不是零。, http://www.www.srpcoatings.com
百拇醫(yī)藥網(wǎng) http://www.www.srpcoatings.com/Html/Info/News/749/74953.htm