Your browser doesn't support javascript.
loading
Application of artificial intelligence in predicting malignancy risk in breast masses on ultrasound.
Wanderley, Mariah Carneiro; Soares, Cândida Maria Alves; Morais, Marina Marcondes Moreira; Cruz, Rachel Malheiros; Lima, Isadora Ribeiro Monteiro; Chojniak, Rubens; Bitencourt, Almir Galvão Vieira.
Afiliación
  • Wanderley MC; Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
  • Soares CMA; Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
  • Morais MMM; Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
  • Cruz RM; Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
  • Lima IRM; Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
  • Chojniak R; Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
  • Bitencourt AGV; Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
Radiol Bras ; 56(5): 229-234, 2023.
Article en En | MEDLINE | ID: mdl-38204896
RESUMO
Objetivo: O objetivo deste trabalho foi avaliar os resultados de um software baseado em algoritmo de inteligência artificial para predição do risco de malignidade em nódulos mamários. Materiais e Métodos: Estudo retrospectivo e unicêntrico que avaliou 555 nódulos mamários submetidos a biópsia percutânea em um centro de referência oncológico. Os achados ultrassonográficos foram classificados de acordo com o léxico do BI-RADS. As imagens foram analisadas pelo software Koios DS Breast e divididas em benigna ou provavelmente benigna, suspeita baixa ou intermediária, suspeita alta ou provavelmente maligna. O resultado histopatológico foi considerado como padrão ouro. Resultados: A média de idade das pacientes foi de 51 anos e o tamanho médio dos nódulos foi de 16 mm. A sensibilidade e a especificidade foram de 99,1% e 34,0% para o radiologista e 98,2% e 39,0% para o software, respectivamente. O valor preditivo positivo para malignidade para as categorias BIRADS foi semelhante para o radiologista e para o software. Foram identificados dois resultados falso-negativos na avaliação pelo radiologista que foram classificados como suspeitos pelo software, e quatro resultados falso-negativos na avaliação pelo software que foram classificados como suspeitos pelo radiologista. Conclusão: Na nossa amostra, o software de inteligência artificial demonstrou resultados comparáveis à avaliação pelo radiologista.
Palabras clave

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Tipo de estudio: Etiology_studies / Observational_studies / Prognostic_studies / Risk_factors_studies Idioma: En Revista: Radiol Bras Año: 2023 Tipo del documento: Article País de afiliación: Brasil

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Tipo de estudio: Etiology_studies / Observational_studies / Prognostic_studies / Risk_factors_studies Idioma: En Revista: Radiol Bras Año: 2023 Tipo del documento: Article País de afiliación: Brasil