关键词:
乳腺结节
BI-RADS分类
多模态超声
人工智能S-Detect技术
摘要:
目的:分析多模态超声联合人工智能S-Detect技术对乳腺影像报告数据系统(BI-RADS)4类乳腺结节的诊断价值。方法:回顾性收集2020年9月-2024年3月我院收治的62例乳腺病变患者,统计分析所有患者的临床资料,对比不同诊断方法的诊断结果,以病理诊断为金标准,分析多模态超声联合人工智能S-Detect技术对BI-RADS 4类乳腺结节的诊断效能。结果:恶性乳腺结节的超声造影特征为:高增强、增强方式呈向心性、内部回声不均匀、形态不规则、边缘不清晰、存在周边放射状血管及增强后病灶体积增大。本组62例患者共76个乳腺结节,病理结果显示42个结节为恶性,34个结节为良性;常规超声诊断出34个恶性,敏感度为71.43%,特异度为88.24%,准确率为78.95%;人工智能S-Detect技术诊断出39个恶性,敏感度为76.19%,特异度为79.41%,准确率为77.63%;多模态超声诊断出44个恶性,敏感度为85.71%,特异度为76.47%,准确率为81.58%;多模态超声联合人工智能S-Detect技术诊断出45个恶性,敏感度为95.24%,特异度为85.29%,准确率为90.79%,其中多模态超声联合人工智能S-Detect技术检查的诊断结果与病理结果的一致性最高,Kappa值为0.812。ROC曲线对比分析显示,多模态超声联合人工智能S-Detect技术的诊断效能与单纯常规超声、人工智能S-Detect技术、多模态超声比较均有统计学意义(Z=0.275/2.603/2.083,P=0.023/0.009/0.037)。结论:相较于单一超声、多模态超声、人工智能S-Detect技术,多模态超声联合人工智能S-Detect技术诊断BI-RADS 4类乳腺结节的诊断效能较高,其诊断结果与病理结果高度一致。