European validation of an image-derived AI-based short-term risk model for individualized breast cancer screening—a nested case-control study

Eriksson, Mikael; Román, Marta; Gräwingholt, Axel; Castells, Xavier; Nitrosi, Andrea; Pattacini, Pierpaolo; Heywang-Köbrunner, Sylvia; Rossi, Paolo G.

doi:10.1016/j.lanepe.2023.100798

The Lancet Regional Health - Europe

2024

DOI: 10.1016/j.lanepe.2023.100798

|View full text |Cite

European validation of an image-derived AI-based short-term risk model for individualized breast cancer screening—a nested case-control study

Mikael Eriksson,

Marta Román,

Axel Gräwingholt

et al.

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2024

Publication Types

Select...

Article5

Relationship

Self Cite0

Independent5

Authors

Journals

Cited by 5 publications

References 40 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

The possible benefit of artificial intelligence in an organized population-related screening program

Morant,

Gräwingholt,

Subelack

et al. 2024

Radiologie

View full text Add to dashboard Cite

Zusammenfassung Hintergrund Dank Mammographie-Screening-Programmen (MSP) kann Brustkrebs erwiesenermaßen in früheren Stadien entdeckt werden, was weniger eingreifende Therapien erlaubt und zu einem besseren Überleben führt. Kritisch beurteilt werden die beträchtliche Zahl der Intervallkarzinome (IBC) und zusätzlich notwendige Abklärungen, bei denen sich in der Mehrzahl erweist, dass kein Karzinom vorliegt. Fragestellung In den letzten Jahren wurden von Firmen und Universitäten mittels maschinellem Lernen (ML) leistungsfähige Algorithmen entwickelt, welche erstaunliche Fähigkeiten zum Lesen von Mammographien zeigen. Können dadurch MSP qualitativ verbessert werden? Methode Mittels der Software ProFound AI® (iCAD, Nashua, NH, USA) wurden retrospektiv die ursprünglichen Screening-Mammographien von 251 Fällen mit Intervallkarzinom untersucht und die Resultate (Case-Score, Risk-Score) mit denen einer Kontrollgruppe verglichen. Darüber hinaus wurde die relevante aktuelle Literatur studiert. Ergebnisse Die Verteilung des Case-Score wie auch des Risk-Score der Mammographien mit späterem IBC war signifikant zu höherem Risiko verschoben im Vergleich zur Kontrolle, ähnlich wie in anderen Studien. Schlussfolgerung Retrospektive Studien, wie auch eigene Daten zeigen, dass möglicherweise künstliche Intelligenz (KI) in Zukunft das Vorgehen bei MSP ändern wird in Richtung personalisiertem Screening, mit deutlicher Entlastung der Radiologen, weniger Abklärungen und einer verminderten Anzahl von IBC. Für eine solche Umsetzung braucht es die Resultate prospektiver Studien.

show abstract

The possible benefit of artificial intelligence in an organized population-related screening program

Morant,

Gräwingholt,

Subelack

et al. 2024

Radiologie

View full text Add to dashboard Cite

show abstract

From pixels to patients: the evolution and future of deep learning in cancer diagnostics

Yang,

Shen,

Chen

et al. 2024

Trends in Molecular Medicine

View full text Add to dashboard Cite

Use of an AI Score Combining Cancer Signs, Masking, and Risk to Select Patients for Supplemental Breast Cancer Screening

Liu,

Sorkhei,

Dembrower

et al. 2024

Radiology

View full text Add to dashboard Cite

scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.

Contact Info

customersupport@researchsolutions.com

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

European validation of an image-derived AI-based short-term risk model for individualized breast cancer screening—a nested case-control study

Cited by 5 publications

References 40 publications

The possible benefit of artificial intelligence in an organized population-related screening program

The possible benefit of artificial intelligence in an organized population-related screening program

From pixels to patients: the evolution and future of deep learning in cancer diagnostics

Use of an AI Score Combining Cancer Signs, Masking, and Risk to Select Patients for Supplemental Breast Cancer Screening

Contact Info

Product

Resources

About