多模态超声成像整合AI辅助诊断系统对乳腺BI-RADS 4类病灶的鉴别诊断价值

摘要

目的 探讨乳腺影像报告数据系统(BI-RADS)4类病灶诊断中，应用多模态超声成像整合人工智能(AI)辅助诊断系统的价值。方法 采用回顾性分析法选取广州中医药大学第一附属医院2023年5月至2025年5月期间收治的200例乳腺病变患者作为研究对象，以病理组织学检查结果为金标准，并记录临床资料，分析不同诊断方案(常规超声；多模态超声)联合AI辅助诊断的诊断效能情况。结果 200例研究对象共计228个乳腺结节，病理组织学检查结果显示：(1)恶性结节126个(55.26%)，其中浸润性导管癌98个(77.78%)、导管原位癌12个(9.52%)、浸润性小叶癌8个(6.35%)、黏液癌4个(3.17%)、导管内乳头状癌4个(3.17%);(2)良性结节102个(44.74%)，包括乳腺纤维腺瘤38个(37.25%)、导管内乳头状瘤26个(25.49%)、良性叶状肿瘤18个(17.65%)、乳腺腺病16个(15.69%)、积乳囊肿4个(3.92%)。恶性结节中以浸润性导管癌为主；良性结节中乳腺纤维腺瘤与导管内乳头状瘤合计占比62.75%，构成良性病变的主要类型。常规超声准确度78.95%、敏感度71.43%、特异度88.24%；常规超声+AI辅助诊断准确度79.39%、敏感度76.19%、特异度83.33%；多模态超声准确度81.58%、敏感度85.71%、特异度76.47%；多模态超声+AI辅助诊断准确度90.79%、敏感度95.24%、特异度85.29%。多模态超声+AI辅助诊断准确度、敏感度均高于常规超声、常规超声+AI辅助诊断、多模态超声，差异具有统计学意义(P<0.05)，但多模态超声+AI辅助诊断特异度与常规超声、常规超声+AI辅助诊断、多模态超声无统计学差异(P > 0.05)。结论 多模态超声联合AI辅助诊断可提高乳腺BI-RADS 4类病灶良恶性鉴别的准确度和敏感度，但特异度未见显著提升。该联合策略可作为降低漏诊风险的辅助工具，其能否减少不必要活检仍需进一步验证。

关键词

乳腺影像报告数据系统4类病灶 / 多模态超声成像 / AI辅助诊断 / 诊断效能