计算机辅助检测乳腺癌筛查在临床设置:范围审查

介绍

乳腺癌筛查

乳腺癌是全球女性中最常见的癌症，是一个重大的全球健康问题，2012年约占所有癌症病例的25% [1]。2012年，它在全球造成52.2万人死亡，是癌症相关死亡的第五大原因，其发病率在发展中国家高于发达国家[1]。乳腺癌筛查旨在在症状出现之前发现癌症，目的是通过早期干预降低死亡率[2]。乳房x光检查是最常用的筛查方式，可以在肿瘤变为可触及和侵袭性之前发现肿瘤[2]。

一些发达国家已经建立了乳房x光检查项目。2015年，国际癌症研究机构评估了欧洲、澳大利亚和北美高收入国家40项综合研究的数据，得出结论:乳房x光检查项目使乳腺癌死亡率降低了23% [3.]。尽管乳房x光检查显示出只有一名放射科医生阅读图像的准确性，但这种方法可能会遗漏16%-31%的可检测癌症[4]。另一位放射科医生对图像进行二次读取，即所谓的双重读取，减少了遗漏病例的数量，导致每1000名接受筛查的妇女中发现3-11例癌症[4]。

放射学技术应用

医疗保健实践经常采用技术，以提高向患者提供的护理质量。在放射学中，由于该领域的临床和技术方面的历史整合，技术的采用是普遍的。广义而言，人工智能指的是对人类智能的模拟，特别是通过计算机系统，包括学习和解决问题的能力[5，6]。机器学习是人工智能的一个子集，描述了当计算机算法暴露于数据时“学习”如何执行任务[7]。

放射学具有从机器学习应用中获益的巨大潜力。McDonald等[8得出的结论是，1999年至2010年间，一家机构的成像量与需要解释的图像数量不成比例地增加。根据他们的研究，一个普通的放射科医生在8小时的工作日中需要每3-4秒解读一张图像，以满足激增的需求。8]。人类对临床图像的解读已被证明是可变性和误差的关键来源[9]。不完整的模式识别和身体限制(如疲劳)等因素会影响人类对乳房x线照片的解读，而图像质量差和结构噪声会降低低对比度物体的可见度，从而阻碍人类和计算机的解读[7]。

乳腺癌筛查中的计算机辅助检测

计算机算法的进步在放射学领域变得越来越复杂和广泛，有可能在提高各种医疗状况的检出率和提高放射科医生的效率方面具有成本效益[5]。机器学习在乳房成像中的应用方法之一是通过使用计算机辅助检测(CAD) [10]。CAD可以作为双重检查或“第二双眼睛”来帮助解释医学图像，取代传统的由第二位放射科医生进行双重阅读[10，11]。计算机辅助设计扫描数码乳房x光照片，并标记出可疑的潜在癌症特征，包括肿块和微钙化[10]。放射科医生通常在做出自己的解释后再检查这些标记，并将两者进行比较，以得出对图像的最终评估[10]。预期的结果是减少放射科医生的检测错误，并增加早期癌症的检测，因为这对乳腺癌的存活率有重大影响[11]。

虽然自1998年以来，CAD已被批准用于临床乳房x线摄影解释，但其在临床环境中的实施直到最近才开始普及[12]。在美国，CAD与数字筛查乳房x线照片的使用从2003年的5%急剧增加到2012年的83% [13]。然而，随着CAD的流行，作为CAD最终用户的放射科医生的看法在关于CAD诊断准确性的辩论中被很大程度上忽视了。

计算机辅助检测的诊断特点

CAD的目标是通过提高灵敏度来提高乳腺癌检出率的准确性，这将支持放射科医生的诊断决策[10]。CAD有可能使用单个读取器，以达到双重读取两个读取器的性能，从而节省放射科医生的时间[14]，而且具有成本效益[15]。因此，具有单一读取器的CAD可替代双重读取[16]。虽然旨在提高癌症检出率，但许多研究发表了相互矛盾的结果，一些研究支持提高检出率，而另一些研究显示与双读相比，检出率和成本没有差异[14，17]。普遍的共识是，CAD对乳腺癌的检测有一定的改善，其检出率可提高20% [16]。最近发表的一篇关于乳腺造影筛查中CAD准确性的系统综述报告称，在大多数研究中，将CAD添加到单次读数中会增加灵敏度，而将CAD添加到单次读数中，双次读数和单次读数之间的灵敏度没有差异，当将CAD添加到单次读数时，召回率会相应增加[17]。

实现的因素

实施科学是研究如何将研究成果有效地融入临床实践的一门科学学科[18]。通常，研究中的干预措施被证明是有效的，但它们没有被纳入临床环境，以产生有意义的患者护理结果[18]。在不同层次的卫生保健服务中，可能出现阻碍实施的障碍，包括患者层次、提供者层次和政策层次[19]。其他影响实施的因素包括证据质量、适应性和成本[18]。自我效能感也很重要，因为个人的信念和信心会影响一个人接受改变的方式[18]。

客观的

随着我们继续进入人工智能时代，我们必须了解CAD等技术在医疗保健环境中的实施及其对医疗保健提供者的影响及其潜在的角色转变。本综述的目的是总结采用和实施CAD用于乳腺癌检测的文献，确定实施的障碍和促进因素，突出知识差距，并提出未来的研究。

方法

这项审查遵循了Arksey和O 'Malley [20.]，由Levac等人提出[21]。范围审查调查研究主题的广度，总结研究结果，并确定现有文献中的空白[20.]。MEDLINE使用与乳腺癌、成像方式和CAD实施相关的医学主题词和文本词进行检索(多媒体附录1）.我们只搜索MEDLINE，因为它充分覆盖了放射学实践领域。虽然计算机科学和工程领域的文献可能是相关的，但它们通常关注的是技术的发展和技术的准确性，而不是实现。搜索工作完成至2018年3月。我们将搜索限制在2010年开始，以便专注于CAD实施的最新进展，因为深度学习已经变得更加可行并集成到软件服务和应用程序中。只考虑同行评议的英文论文。最初的摘要筛选由两名独立的审稿人进行，一式两份。全文筛选一式两份，由第三人担任评审。纳入标准为应用于任何成像方式(如磁共振成像、数字乳房x线照相术和超声)的乳腺癌筛查CAD，并使用至少一种机器学习分类器。原始文章需要关注临床环境中CAD使用的实现、采用、障碍或促进因素。 Articles that focused on accuracy of CAD or only described the machine learning algorithm or methodological approach were excluded. Reference lists and cited references in the included studies were also reviewed.

数据根据以下特征绘制图表:作者、发表年份、研究国家、研究方法、目的和关键结果。文章按主题相似度排序，包括CAD使用、CAD对阅读时间的影响和CAD的成本效益。

结果

研究

在最初检索到的526篇文章中，有6篇文章符合纳入标准，另有3篇文章通过参考文献和引文追踪被纳入[10，14，15，22-27) (图1）.数据提取侧重于每个纳入研究的方法、目标和结果(表1）.

纳入研究摘要

收录的文章使用了一系列方法(表1)，包括使用和认知的调查[10，25]，回顾性分析以确定使用水平和成本[22-24]，阅读策略的前瞻性比较[26，27]，以及成本效益分析[14，15]。这些研究的目标差异很大，只有Onega等人的研究[25]通过评估放射科医生对CAD的认知，直接讨论了在乳房x光筛查中实施CAD的问题。从确定的文章中，产生并描述了可能影响执行和吸收的主题。主题是CAD患病率，放射科医生的认知和信心水平，解释时间和召回率，以及CAD实施的成本。

计算机辅助检测率

自2001年以来，CAD的使用增加了一倍以上，并在2008年至2016年期间在美国的乳房x光检查实践中保持稳定[10，17，22，23]。虽然乳房x光检查的比例在2004至2008年间只轻微增加了约2%，但CAD检查的使用在同一时期增加了91% [24]。私人诊所(81%)比医院(70%)更多地使用CAD进行乳房x光筛查[24]。采用CAD的诱因包括提高癌症检出率[15，16，17，28]，乳腺成像收益，以及较少的放射科医生时间[25]。CAD的使用也与导管原位癌和早期发现的浸润性乳腺癌的发生率较高有关[22]。

放射科医生的看法和信心水平

Onega等[25得出的结论是，放射科医生总体上更赞成同事用CAD进行两次读数，而不是一次读数。尽管存在这种偏见，但在接受调查的257名放射科医生中，有四分之三的人表示在自己的实践中没有使用双重阅读[25]。Tchou等人[26发现放射科医生对使用CAD的信心水平参差不齐;然而，信心更多的是增加而不是减少。使用CAD导致267例病例中22% (n=59)的放射科医生的信心发生变化，其中14% (n=38)的病例的信心水平上升，8% (n=21)的病例的信心水平下降;然而，只有2% (n=5)的病例使用CAD改变了放射科医生的结论[26]。

口译时间和回忆率

尽管CAD可能比由第二位放射科医生复读所需的时间要少，Tchou等[26发现回顾cad标记的图像使平均解释时间增加了19%。解读放射科医师也被发现是影响cad标记图像解读时间的重要变量[26]。同时使用CAD和数字乳房断层合成可减少29.2%的阅读时间，同时保持阅读器解读性能[27]。此外，CAD在乳腺癌筛查中的应用与召回率的显著增加有关，召回率是指患者被召回进行随访成像的时间[10，26]。Tchou等人[26发现当使用CAD来解释乳房x线照片时，回忆率增加了11%。

‎ 查看此图

计算机辅助检测实施的成本

在临床环境中实施CAD进行乳腺癌筛查与显著的经济成本相关。Rao等[24]报告说，2008年医疗保险在CAD的乳腺癌筛查费用上花费了33,706,444美元。在英国，用单阅读器加CAD取代双读，在大容量单位中每1000名妇女要额外花费227英镑，在平均容量单位中每1000名妇女要花费253英镑，在小容量筛查单位中每1000名妇女要花费590英镑。14]。在英国实施CAD的总成本，包括评估成本、设备成本和员工培训成本，大于节省的阅读成本[14]。在日本，使用CAD实现单读的预期成本比双读的预期成本高2704日元[15]。成本效益分析表明，使用CAD可能具有成本效益，但它可能因CAD的准确性、筛查的患者数量以及单次和双次读数的比较而有所不同[14，15]。

讨论

主要研究结果

通过我们对CAD在临床环境中用于乳腺癌检测和其他相关文章的采用和实施的范围审查，放射科医生使用CAD是基于障碍和促进因素之间的权衡。CAD用于乳腺癌筛查的促进因素包括:由于检出率的提高，CAD的使用增加了，利润(在某些情况下)增加了，并且从重复阅读中节省了时间[10，22-25]。障碍包括放射科医生对CAD的看法不太好，召回率增加，成本增加，以及对患者预后的不确定影响[14，15，25-27]。

计算机辅助检测用辅助设备

我们的研究结果表明，近年来，CAD在美国乳房x光检查中的应用急剧增加，并且至今保持稳定[10，22-24]。虽然没有纳入我们的综述范围，因为我们排除了关于乳腺癌检测准确性的研究，但有几项研究表明，从传统的双读或常规乳房x光检查转向CAD后，检出率有所提高，更早地发现较小的肿瘤[11，16，28]。CAD的使用特别与微钙化的检出率显著增加以及导管原位癌的检出率增加有关[13，22，28]。实施CAD后，乳癌检出率上升了19.5%，是录得的最高增幅之一[29]。

根据对放射科医生的调查[25]， CAD使用比双读增加的其他原因包括乳腺成像的更高收益和CAD花费的时间更少。CAD在美国的迅速普及可能与CAD的额外报销有关，医疗保险的费用约为每张图像7美元，私人保险公司的费用超过每张图像20美元[10，13，25，30.]。除了不能报销外，与CAD的单次读取相比，两次读取占用了放射科医生更多的时间[25]。在像日本这样的环境中，缺少双重阅读的放射科医生，需要增加乳腺癌筛查项目，CAD作为第二阅读器的实施很有吸引力[15]。在日本，佐藤等人[15发现单次读取CAD乳房x光片比两次读取更具成本效益，尤其是在筛查量高的情况下。

计算机辅助检测使用的障碍

尽管在美国，CAD的使用已经迅速普及，乳房x光检查的双重读数已经下降，但Onega等[25发现接受调查的放射科医生对双重阅读的看法比CAD更有利:74%的受访放射科医生认为双重阅读可以提高癌症检出率，而CAD的这一比例为55%;81%的受访放射科医生认为双重阅读可以让乳房x线医生放心，而CAD的这一比例为65%。使用CAD的另一个障碍是召回率的增加[26，27]，这会导致不必要的回访。Tchou等人[26发现在33次召回中，只有4次(12%)被确诊为癌症，而其余的都是假阳性。此外，Keen等[10]通过三次全国性调查发现，CAD通过增加召回率和降低浸润性癌的检出率而降低了性能，而增加了导管原位癌的检出率，其检测价值值得讨论。

与任何技术一样，CAD的实施是昂贵的，可能并不总是具有成本效益。在英国，Guerriero等[14发现，与CAD相关的成本，包括设备、培训和增加的评估成本，超过了阅读成本的节省，无论筛查量如何。他们得出的结论是，与双读相比，CAD单读不太可能具有成本效益，而CAD的有效性没有提高，如召回率的降低[14]。

尽管有几项研究表明，使用CAD进行乳房x光筛查的患者结果有所增加，但由于一些研究报告的结果相互矛盾，因此仍存在一些争议[13，31]。检出率的研究[13没有发现有证据表明，与没有冠心病的患者相比，冠心病患者的乳腺癌检出率有所提高，并得出结论，冠心病患者没有明显的额外益处。Romero等[28]发现冠心病的检出率增加，但增加无统计学意义。Killelea等人[23发现早期肿瘤合并CAD的检出率不显著。Bargolla等[16发现CAD没有检测到放射科医生最初没有察觉到的任何癌症。此外，Gross等人的研究结果[32的研究表明，使用CAD或数字乳房x光检查对年龄较大、风险中等的妇女的效果有限，而且采用此类技术所需的较高成本不一定会带来更好的结果。

计算机辅助检测使用的权衡

使用CAD进行乳腺癌筛查涉及几个权衡，包括权衡对检出率和患者预后的影响、成本和经济激励、从重复阅读中节省的时间、增加的回忆率和放射科医生的看法。我们纳入的大多数研究都是基于美国的，在那里，医疗保险对CAD图像的报销提供了经济激励。尽管CAD对患者预后的临床影响尚未达成一致意见，但在美国，CAD的使用有所增加并保持稳定[10，22，23，24]。CAD报销是制造商用于针对乳房x光检查实践的营销的重要组成部分[22]。这部分解释了为什么CAD的使用在美国盛行，尽管Onega等[25显示大多数接受调查的放射科医生认为双重读数比CAD更有利。

在其他国家，使用CAD进行乳腺癌筛查的权衡可能会有所不同，成本效益必须独立评估。在我们纳入的研究中，我们发现英国和日本对CAD用于乳腺癌筛查的成本效益进行了正式评估[14，15]。虽然据报道，在日本实施CAD比双重阅读更具成本效益[15]，它在英国不太可能具有成本效益[14]。在投资于在特定环境下广泛使用CAD的乳房x线摄影实践之前，应彻底评估其成本效益，同时权衡对促进因素的障碍。

计算机辅助检测在放射学实践中的应用

引入机器学习应用，例如用于乳房x光检查的CAD，正在改变现代放射学的实践[33]。最近的一些文章表明，人工智能和机器学习对放射科医生构成了重大威胁[34，35]。相比之下，其他人，如Recht和Bryan [33]和德雷尔和盖斯[5我认为，人工智能和机器学习的进步将成为放射科医生的一个里程碑，并将使他们能够开展更多的“增值任务”，如更广泛的患者互动和综合护理，从而提高他们的效率。他们认为，机器无法执行这些“增值任务”;因此，它们不会对取代放射科医生构成威胁，反而会使放射科医生成为“更好的放射科医生”。[33]。Tang等[6]区分放射科医生的任务和工作，并描述放射科医生复杂工作中人工应用无法完成的方面，包括整合科学领域和临床专业知识，以解释某些图像、质量控制、疾病监测、介入程序等[6]。通过我们对CAD在乳腺癌筛查中的实施情况的回顾，我们没有发现任何评估放射科医生任务再分配的研究来支持这一建议。未来的研究可以评估CAD对放射科医生工作流程和任务的影响。

限制

由于纳入的出版物数量较少，本综述受到限制。在我们最初的数据库搜索中发现的大多数文章(图1)被排除在外，因为它们关注的是CAD诊断的准确性，而不是CAD的实施，尽管我们认识到高精度作为实施和采用的要求的价值。我们只搜索了MEDLINE，这将限制对计算机科学和工程领域文章的检测;这是一个深思熟虑的选择，因为MEDLINE涵盖了放射学和实施科学领域。9篇纳入的文章中有3篇没有在我们的搜索中发现，但通过参考资料检查找到了。我们的搜索策略包括截断的文本词以供采用和作为实现术语，这将限制我们的检索，因为这些术语在实现科学领域中使用不一致，但被添加到我们的搜索中以提高特异性。

结论

这篇综述对于总结文献中CAD实施的促进因素和障碍的最新证据并承认任何差距是重要的。我们的综述表明，人们对CAD的诊断准确性关注甚多，但对CAD的实施和放射科医生(最终用户)的认知关注甚少。随着CAD在乳房x线摄影实践中的日益普及，特别是在美国，了解CAD如何影响放射科医生，他们的实践和医疗保健系统是很重要的。尽管在美国，放射科医生使用CAD有经济上的激励，但是否能达到更好的患者治疗效果仍不清楚。应该考虑在不同环境中实施CAD的权衡，特别是成本效益，因为过渡到CAD需要大量投资。最后，重要的是要继续考虑放射科医生的看法，他们是CAD的最终用户。

我们建议进行进一步的研究，以更好地了解CAD在临床环境中的采用和实施。具体来说，应该重点调查放射科医生对CAD在各种情况下使用的看法，因为我们只在美国遇到了一项这样的研究，不能推广到其他情况和医疗保健系统。此外，可以探索更好地了解CAD在不同国家的使用程度以及导致这些使用水平的政策。最后，应评估在不同人群中使用CAD进行乳腺癌筛查的成本效益，以确定适当的阈值，以促进CAD的实施。