Hvordan kan kunstig intelligens baserte algoritmer bistå radiologer i et screeningprogram for brystkreft med mammografi og tomosyntesis?
Bachelor thesis
Permanent lenke
https://hdl.handle.net/11250/3078116Utgivelsesdato
2023Metadata
Vis full innførselSamlinger
Beskrivelse
Full text not available
Sammendrag
Sammendrag
MålMålet med oppgaven er å undersøke om kunstig intelligens kan bistå radiologer når det kommer til spesifisitet, sensitivitet og AUC ved et brystscreeningprogram med mammografi.
MetodeJeg brukte systematisk oversikt som hoved metode for denne oppgaven. Søk ble gjennomført i MEDLINE via Ovid, Embase og usystematiske søk i Google Scholar og Nature. Søkeord ble formulert gjennom bruk av PICO skjema. Søkeordene som ble benyttet til å søke i databasene plassert nedenfor. Artiklene ble kvalitetsvurdert ved hjelp av en egen sjekkliste.
ResultatFem artikler ble inkludert etter utvalget for denne bacheloroppgaven. Resultatet presentert i tabell 1 med hoved oversikt over resultater av inkluderte studiene og tabel 2 hvor representert sammenlignende resultatsverdier av disse studiene delt inn kategorier sensitivitet, spesifisitet og AUC.
KonklusjonAnalyse av inkluderte artikler viser at bruk av KI baserte algoritmer innen mammografi screening kan være fornuftig løsning. Resultater av noen studier som ble inkludert i denne bacheloroppgaven viser økning av sensitivitet, spesifisitet og AUC ved bruk av KI. CAD og standalone AI tilnærminger innen mammografi kan også være et nyttig verktøy for radiologer når det gjelder å senke utredningstid og recall rate og øke nøyaktighet og effektivitet. Noen av inkluderte studier peker på særlig effekt av KI i kombinasjon med digital mammografi.
NøkkelordKunstig intelligens, CAD, standalone, DM, DBT, Brystkreft, Mammografi, Radiolog, Falske positive, Falske negative, AUC, Nøyaktighet, Sensitivitet og Spesifisitet. Summary
AimThis bachelor thesis investigates whether artificial intelligence can assist radiologists regarding specificity, sensitivity, and AUC in a breast screening program with mammography.
MethodI used a systematic overview as the main method for this assignment. Searches were conducted in MEDLINE via Ovid, Embase and unsystematic searches in Google Scholar and Nature. Keywords were formulated using the PICO form. The keywords that were used to search the databases are located below. The articles were assessed for quality using a separate checklist.
Result5 articles were included after the selection for this bachelor's thesis. The result presented in Table 1 with a main overview of the results of the included studies and in Table 2 where the comparative results of these studies are represented and divided into categories of sensitivity, specificity, and AUC.
ConclusionAnalysis of included articles shows that using AI-based algorithms within mammography screening can be a smart solution. Results of some studies included in this bachelor's thesis show increased sensitivity, specificity, and AUC during AI assistance. CAD and standalone AI approaches in mammography can also be beneficial tools for radiologists to reduce examination time, and recall rate and increase accuracy and efficiency. Some of the included studies point to a particular effect of AI in combination with digital mammography.
Keywords:Kunstig intelligens, CAD, standalone, DM, DBT, Brystkreft, Mammografi, Radiolog, Falske positive, Falske negative, AUC, Nøyaktighet, Sensitivitet og Spesifisitet.