作为全球女性最常见的恶性肿瘤之一，乳腺癌严重威胁女性健康，其死亡率也位居前列。乳腺钼靶筛查是国际推荐的二级预防策略，旨在通过早期发现病灶来有效降低死亡风险。许多欧洲国家采用双人读片机制以提升筛查的敏感性，并通过共识或仲裁决定是否需要召回受检者进行进一步检查。
乳腺癌筛查的现状与挑战
尽管乳腺钼靶筛查益处显著，但也存在局限性。假阳性结果不仅给女性带来不必要的焦虑和负担，也消耗了大量的医疗资源。另一方面，假阴性结果则可能延误诊断，导致间隔期癌症（在两次筛查之间发现的癌症）或在后续筛查中发现更晚期的癌症。此外，放射科医生资源的短缺也给部分地区的乳腺癌筛查工作带来了挑战。
人工智能（AI）在乳腺癌诊断中的应用前景
近年来，人工智能（AI）技术在医学影像领域发展迅速，尤其在乳腺钼靶筛查图像解读方面展现出巨大潜力。多项回顾性和前瞻性研究表明，无论是用于筛查分诊、独立阅片，还是作为放射科医生的辅助决策工具，AI都有望发挥重要作用。应用AI的主要优势之一在于，它可能在不牺牲筛查敏感性的前提下，显著减轻放射科医生的读片工作量。同时，AI还有望提高癌症检出率，并减少假阳性结果。
欧洲大型研究：评估AI系统在钼靶筛查中的表现
然而，在将AI广泛应用于临床实践之前，必须对其在真实世界筛查数据中的性能进行全面、严格的评估和验证。了解AI算法在不同操作阈值下的敏感性，以及其评分与病理学特征、影像学特征的关联，对于确保安全有效实施至关重要。
近期，《European Radiology》杂志发表的一项临床研究，回顾性地评估了一款获得欧盟CE认证的AI系统在乳腺钼靶筛查中识别乳腺癌的性能。
该研究纳入了2004年至2021年间，在挪威乳腺筛查项目（BreastScreen Norway）下属十个中心进行的超过一百万次（1,017,208次）筛查检查数据。在标准的独立双人读片流程中，放射科医生对每个乳房给出1分（阴性）到5分（高度可疑）的评分。研究中使用的AI系统则为每次检查分配一个“阴性倾向”（NT）评分和一个“阳性倾向”（SN）评分。NT评分旨在识别阴性检查，SN评分则旨在高置信度地识别阳性检查。研究定义N70为NT评分最低的70%检查，P3为SN评分最高的3%检查。
研究结果：AI系统展现良好诊断性能
研究发现，在N70（AI判断为阴性的前70%）的检查中，仅包含了1.8%（107/5977）的筛查发现癌症和34.5%（625/1812）的间隔期癌症。这意味着AI能有效排除大量阴性病例。而在P3（AI判断为阳性的前3%）的检查中，则包含了81.5%（4871/5977）的筛查发现癌症和19.0%（344/1812）的间隔期癌症，显示出AI在高风险病例识别方面的潜力。值得注意的是，在N70范围内被AI判定为阴性的筛查发现癌症中，仍有11.2%（12/107）的病例被两位放射科医生均评为可疑（评分>2）。
表：AI系统对筛查检测到的癌症（SDC）、间隔期癌症（IC）及所有癌症的阴性/阳性分类表现
AI在乳腺癌筛查中的意义与未来
这项基于百万级真实世界数据的研究表明，该人工智能系统在识别阴性和阳性（癌症）病例方面均表现出良好的性能。研究者认为，该AI系统有潜力用于减轻放射科医生的工作负担，并可能进一步提高乳腺癌钼靶筛查的敏感性。当然，AI在临床的落地应用仍需更多前瞻性研究和验证。
了解癌症诊疗的最新进展对于患者和医生都至关重要。欢迎访问MedFind抗癌资讯板块，获取更多关于乳腺癌及其他癌症的前沿信息、诊疗指南和药物资讯。如果您对检查结果或治疗方案有疑问，MedFind也提供便捷的AI问诊服务作为参考。
原始出处：
Tone Hovda, Marthe Larsen, Marie Burns Bergan, et al. Retrospective evaluation of a CE-marked AI system, including 1,017,208 mammography screening examinations. DOI:10.1007/s00330-025-11521-4
