Cuestionario vinculado a una guía · duro Nivel

IA en mamografía y cuestionario de detección de cáncer de mama

Prueba la IA como segundo lector y herramienta de clasificación, lo que encontraron grandes ensayos de detección como MASAI, las compensaciones de falsos positivos y los límites densos del tejido mamario.

Rutas de guía relacionadasIA en mamografía para la detección del cáncer de mama
Pregunta 1 de 8

¿Cómo utilizó la IA en el cribado el ensayo sueco MASAI?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Cómo utilizó la IA en el cribado el ensayo sueco MASAI?
    • AI read all exams with no radiologists involved
    • AI was used only to schedule appointments
    • AI triaged exams so low-risk ones got one reader and high-risk ones got two
    • AI replaced mammograms with ultrasound
  2. ¿Qué encontraron los grandes estudios sobre el CAD tradicional introducido a finales de los años 1990?
    • It did not clearly improve accuracy and added false marks
    • It eliminated false positives
    • It doubled survival rates
    • It was never used in the United States
  3. ¿Por qué el tejido mamario denso dificulta la detección?
    • Dense tissue blocks the X-ray machine from working
    • Dense tissue appears white on mammograms, like many tumors, and can hide cancers
    • Dense tissue only occurs in men
    • Dense tissue makes images too dark
  4. ¿Por qué la detección de más cánceres no es por sí sola una prueba de que la IA salva vidas?
    • Detection rates are never measured
    • All detected cancers are harmless
    • Mammograms cannot detect cancer
    • Some detected cancers grow slowly, so interval and advanced cancer rates are key long-term measures
  5. ¿Qué sucede cuando un programa reduce el umbral operativo del sistema de IA?
    • It catches more cancers but increases recalls
    • It reduces both detections and recalls
    • It has no effect on results
    • It makes images higher resolution
  6. What is automation bias in AI-supported mammography?
    • AI becoming faster over time
    • Machines producing biased images
    • Readers overtrusting AI markers or skipping areas the AI did not flag
    • Radiologists refusing all AI tools
  7. Why should screening programs validate AI locally even after regulatory clearance?
    • Clearance expires after one day
    • Performance can shift with different machines, image processing and populations
    • Local validation makes the AI learn new languages
    • Regulators require AI to be retrained daily
  8. In current AI-supported screening programs, who makes recall decisions?
    • The AI system alone
    • el paciente
    • The equipment manufacturer
    • Radiologists