研究顯示，乳房X 光攝影中的人工智慧可能會受患者年齡和種族的影響而產生誤報，凸顯了多樣化訓練資料的重要性。最近的一項研究分析了近5000 張FDA 批准的人工智慧演算法解讀的乳房篩檢照片，發現患者的種族和年齡等特徵會影響假陽性率。研究結果發表在今天（5 月21 日）出版的北美放射學會（RSNA）期刊《放射學》。

例：一名59 歲的黑人患者乳房纖維腺體密度散在，乳房X 光檢查假陽性病例評分為96 分。 (A）左側頭尾切面和（B）內外側斜切面顯示外上象限中間深度（方框）有血管鈣化，人工智慧演算法將其單獨識別為可疑發現，並將單一病灶評分定為90 分。因此，乳房X 光檢查的總分為96 分。資料來源：北美放射學會（RSNA）

北卡羅來納州達勒姆杜克大學助理教授、醫學博士德里克-阮（Derek L. Nguyen）說：”人工智慧已成為放射科醫生提高乳房X光篩檢閱讀效率和準確性，同時減輕閱讀者倦怠感的一種資源。

阮博士介紹說，雖然初步數據表明，將人工智慧演算法應用於乳房X光篩檢檢查可能會提高放射科醫生對乳癌檢測的診斷性能，並縮短判讀時間，但人工智慧也有一些方面需要注意。

他說：「用於人工智慧演算法訓練的人口統計多樣化資料庫很少，FDA 也不要求多樣化的資料集進行驗證。」由於患者群體之間存在差異，因此研究人工智慧軟體能否適應不同年齡、種族和民族的患者，並使其表現達到相同水準非常重要。 “

一名59 歲的西班牙裔患者，乳房密度不均，乳房X 光檢查偽陽性風險評分為1.0。圖中顯示了雙側重建的二維（A、B）頭尾切面和（C、D）內外側斜切面。此演算法預測患者會在1 年內罹患癌症，但該患者在接受乳房X 光檢查後2 年內並未罹患癌症或出現不典型增生。資料來源：北美放射學會（RSNA）

在這項回顧性研究中，研究人員確定了2016年至2019年期間在杜克大學醫學中心進行數位乳房斷層合成篩檢的陰性（無癌症證據）患者。所有患者在接受乳房X光篩檢後都接受了為期兩年的隨訪，沒有患者被確診為乳房惡性腫瘤。

研究人員從這一群體中隨機抽取了一個子集，該子集由4855 名患者組成（中位年齡54 歲），廣泛分佈在四個民族/種族群體中。此子集包括1,316 名（27%）白人患者、1,261 名（26%）黑人患者、1,351 名（28%）亞裔患者和927 名（19%）西班牙裔患者。

一種市售的人工智慧演算法對乳房X 光照片子集中的每次檢查進行解讀，產生病例評分（或惡性腫瘤的確定性）和風險評分（或一年後的惡性腫瘤風險）。

阮說：”我們的目標是評估人工智慧演算法在不同年齡、乳房密度類型和不同患者種族/族裔中的表現是否一致。”

鑑於研究中的所有乳房X 光檢查結果均為陰性，因此演算法標記為可疑的任何結果均被視為假陽性結果。與白人患者和年齡在51-60 歲之間的女性相比，黑人患者和年齡較大的患者（71-80 歲）更容易出現假陽性病例評分，而亞裔患者和年齡較小的患者（ 41-50 歲）則較少出現假陽性病例評分。

「這項研究非常重要，因為它強調了醫療機構購買的任何人工智慧軟體在所有患者年齡、種族/族裔和乳房密度方面的表現可能不盡相同。展望未來，我認為人工智慧軟體的升級應專注於確保人口多樣性。

掌握本機構的人口統計學基線知識，並向供應商詢問其培訓數據的種族和年齡多樣性，將有助於你了解在臨床實踐中會面臨的限制。

編譯來源：ScitechDaily