文献速递乳腺技术与安全乳腺X线

基于多视角多层级卷积神经网络的乳腺X线摄影人工智能系统用于乳腺癌检测、诊断及BI-RADS分类

Mammography-based artificial intelligence for breast cancer detection, diagnosis, and BI-RADS categorization using multi-view and multi-level convolutional neural networks.
PubMed 文献 · Insights Imaging · 2025-05-21

该回顾性多队列研究纳入12,433名亚洲女性共24,866侧乳房,开发并验证两步法人工智能系统(AIS),用于乳腺X线摄影的乳腺癌检测、诊断及BI-RADS分类辅助。AIS在验证集和两个测试集诊断恶性肿瘤的AUC分别为0.995、0.933和0.947;在BI-RADS 3-4亚组中,AIS将83.1%的假阳性降级为良性组、54.1%的假阴性升级为恶性组;在10名放射科医师的交叉设计阅读研究中,AIS辅助使平均AUC从0.870提高至0.888(p=0.001)。

要点

  • AIS在验证集和两个测试集诊断恶性肿瘤的AUC分别为0.995、0.933、0.947。
  • 在BI-RADS 3-4亚组中,AIS将83.1%(427/514)假阳性降级为良性、54.1%(126/233)假阴性升级为恶性。
  • 10名医师平均AUC在AIS辅助下从0.870提高至0.888(p=0.001),ICC从0.629升至0.672。

核心结论

  • AIS能准确检测和诊断乳腺X线摄影上的乳腺癌,并可作为一种支持工具用于BI-RADS分类。

研究设计与样本

  • 回顾性多队列研究,纳入12,433名亚洲女性共24,866侧乳房(49,732张数字乳腺X线图像),来自两家诊所,使用Hologic Selenia Dimensions系统采集CC和MLO双视角图像,以手术或活检病理及超过2年影像随访为参考标准。

诊断标准与关键数值

  • AIS鉴别恶性与非恶性乳房(良性组+无异常组)的AUC在验证集为0.995(95%CI 0.992–0.997)、测试集1为0.933(95%CI 0.919–0.947)、测试集2为0.947(95%CI 0.939–0.955)。
  • AIS鉴别恶性与良性乳房的AUC在验证集为0.988(95%CI 0.980–0.995)、测试集1为0.910(95%CI 0.893–0.927)、测试集2为0.936(95%CI 0.926–0.946)。
  • AIS以0.5为恶性判定截断值;BI-RADS分级以4A为恶性阈值(非3),因4A具有平衡的敏感度和特异度并获最高预测准确率。
  • 在BI-RADS 3-4亚组中,AIS的准确度为85.06%–96.82%、敏感度为76.64%–96.99%、特异度为90.55%–96.30%、F1为0.802–0.979;BI-RADS分类本身准确度为73.15%–84.09%、敏感度85.51%–92.32%、特异度58.80%–74.28%、F1为0.716–0.898。
  • AIS的AUC在验证集(0.828 vs 0.988,p<0.001)、测试集1(0.843 vs 0.892,p<0.001)和测试集2(0.873 vs 0.934,p<0.001)均显著高于BI-RADS分类。

临床应用与阅片要点

  • 在BI-RADS 3-4亚组中,AIS正确将11.0%(427/3887)的BI-RADS 4B和4C乳房归为良性组,并将3.2%(126/3887)的BI-RADS 3和4A乳房归为恶性组。
  • 在BI-RADS 0亚组407侧乳房中,AIS协助放射科医师从43例真恶性中识别出7例恶性病灶,特异度为96.7%(352/364),敏感度为16.3%(7/43)。
  • 10名放射科医师在AIS辅助下平均AUC从0.870提高至0.888(p=0.001),ICC从0.629(95%CI 0.609–0.649)升至0.672(95%CI 0.653–0.690)。
  • AIS单独在1302侧乳房阅读研究中AUC为0.926(95%CI 0.911–0.942)、敏感度83.4%(529/634)、特异度93.7%(626/668)、准确度88.7%(1155/1302)。

局限性

  • 患者数据来自主要诊治有症状乳腺患者的机构,恶性病例比例显著高于筛查人群。
  • 以4A而非3作为BI-RADS恶性阈值,可能影响AIS性能并限制研究结果在真实临床环境中的普适性。
  • 未来研究需在更接近常规临床实践病例分布(尤其是筛查人群)的数据集上进一步验证AIS性能。
  • BI-RADS 0亚组中AIS总体敏感度为16.3%(7/43),反映明确分类BI-RADS 0病例的挑战。
全文中译14 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2025 May 21;16:109. doi: 10.1186/s13244-025-01983-x

引言

乳腺癌是女性肿瘤相关死亡的主要原因,其发病率呈上升趋势[1]。乳腺X线摄影是乳腺癌筛查中最常用的影像学检查方式之一,早期诊断对降低死亡率具有重要作用[2–4]。在常规临床工作流程中,美国放射学会发布的乳腺影像报告和数据系统(BI-RADS)为乳腺X线报告提供了标准化指南,有助于乳腺癌的诊断和管理[5, 6]。然而,由于个体差异(尤其是乳腺密度)以及缺乏经验丰富的放射科医师,人工乳腺X线判读的假阳性和假阴性率仍然较高[7–10]。通常,被判读为BI-RADS 0类或4类的错误判读往往导致额外的影像学检查或不必要的活检[11, 12]。例如,BI-RADS 4类基于病理报告的假阳性结果可能是由于其恶性预测范围较宽(2–95%),限制了其用于个体诊断的临床应用。因此,有必要建立一种临床适用的乳腺癌诊断方法,以辅助BI-RADS分类决策。

基于深度学习的人工智能(AI)方法的最新进展[13–17]在乳腺癌检测和诊断方面展现出巨大潜力。一些研究[18–21]表明,AI在乳腺X线摄影中可达到或超越人工判读水平。然而,AI的一些潜在作用尚未得到充分探讨。许多研究采用强制性BI-RADS分类(仅1–5类)评估乳腺X线摄影[18, 19, 22],并侧重于比较当前临床标准及BI-RADS词典与AI的性能。然而,关于AI能否作为支持工具改善常规BI-RADS分类的临床决策(例如更易判读BI-RADS 0类以及更好地分类BI-RADS 3类和4类组),仍需进一步研究。此外,既往基于AI的大规模乳腺X线研究对亚洲女性关注较少,因为亚洲女性乳腺X线片上致密实质比例高且病灶模糊。因此,AI在检测和诊断致密实质及遮挡病灶中的潜在应用也需要进一步研究。

为突破既往AI方法的局限性并加速临床医生对深度学习技术的广泛采用,我们开发了一个两步式AI系统(AIS),利用多视角乳腺X线图像和多层次乳腺X线特征来自动检测和诊断亚洲人群的乳腺癌。随后,我们通过分层分析和均衡设计的阅片者研究,探讨了AIS对BI-RADS 0类、3类和4类辅助决策的益处。

材料与方法

研究样本与结局

这项回顾性多队列研究经Clinic 1和Clinic 2的机构审查委员会批准。去标识化数据的收集获得了书面知情同意豁免。

本研究同时纳入筛查性和诊断性乳腺X线摄影。纳入标准如下:(1)患者接受初次乳腺X线摄影检查;(2)经手术或活检病理证实具有明确乳腺X线摄影异常的患者;(3)乳腺X线摄影未见异常发现的患者具有超过2年的正常影像学随访。排除标准如下:(1)年龄不超过18岁的患者、孕妇或哺乳期妇女;(2)在乳腺X线摄影检查前接受过活检/手术、放疗、化疗及其他治疗的患者;(3)图像显示模糊或病灶包不完整的患者。根据纳入和排除标准,本研究共纳入12,433名女性(24,866侧乳腺)(图1)。此处,一名患者的右乳和左乳被视为两个样本。在本文中,“breast(乳腺)”一词指单侧乳腺。每侧乳腺具有两个配对体位,即CC和MLO图像,这意味着每侧乳腺包含两张乳腺X线摄影图像。所有乳腺X线摄影图像均使用Hologic Selenia Dimensions数字乳腺X线摄影系统(Hologic,Inc.)采集,间距为0.07 mm,分辨率为2560 × 3328–3328 × 4096。

共收集了Clinic 1在2015年1月至2018年12月间的28,246张连续数字乳腺X线摄影图像(14,123侧乳腺),并按8:2的比例随机分为训练集和验证集,以在乳腺水平开发和验证AIS。还收集了Clinic 2在2012年8月至2016年1月间的7034张乳腺X线摄影图像(3517侧乳腺)作为测试集1,以及Clinic 2在2016年2月至2018年12月间的12,452张连续乳腺X线摄影图像(6226侧乳腺)作为测试集2,以在乳腺水平测试AIS。测试集1和测试集2均独立于训练数据且为外部数据。为便于AIS的训练,另收集了附属中心在2018年1月至2020年12月间带有注释的2000张乳腺X线摄影图像(1000侧经病理证实的乳腺)作为辅助集,仅用于图像块水平的训练和验证。所有详细数据集信息见表1。

图1 研究纳入和排除的工作流程 查看原图 ↗
表1 数据集 查看原表 ↗

AIS的开发

在本研究中,我们提出了一种用于乳腺癌检测和诊断的多视角多层级人工智能系统(AIS)。它包含两个步骤:(1)图像块级恶性病变定位(图2A);(2)乳腺级恶性诊断(图2B)。在第一步中,提出了一个图像块级多任务网络,用于联合学习可疑病变的定位和特征(恶性或非恶性)。我们将原始图像随机裁剪为512×512的图像块,并将其输入多任务网络,以获得图像块级肿瘤的分割和分类。然后,我们将图像块级分类输出合并为恶性图1,其显示了恶性病变特征的粗略热图。最后,我们将图像块级分割输出合并为恶性图2,其定位了可疑恶性区域。在第二步中,我们使用原始CC和MLO图像以及恶性图1和2作为三通道输入,训练EfficientNet-B0进行图像级分类,旨在学习宏观恶性特征。输入图像被重新调整大小为1100×600像素的分辨率,以适应EfficientNet-B0架构。我们通过使用在ImageNet上预训练的权重初始化EfficientNet-B0模型来利用迁移学习。我们对来自CC视角和MLO视角的EfficientNet-B0预测取平均值,以获得乳腺级癌症分类。在这里,我们将EfficientNet-B0的乳腺级预测概率称为AIS评分,评分越高表明恶性概率越高。

图2 研究工作流程。A AIS的第一步。B AIS的第二步。C AI辅助研究工作流程。BI-RADS,乳腺影像报告和数据系统;AIS,人工智能系统 查看原图 ↗

BI-RADS 3–4亚组的分层分析

由于BI-RADS 3–4类具有高度不确定性(恶性可能性0–95%),我们进行了分层分析,以检验AIS对BI-RADS 3–4发现进行升级/降级的能力。两名具有10年以上经验的资深放射科医生对有明确病理结果(恶性或良性)的乳腺提供了BI-RADS类别(0–5)。对于此分层分析,我们仅纳入两位资深放射科医生提供一致BI-RADS评估的病例。具体而言,仅当两位放射科医生独立分配相同的BI-RADS类别时,该乳腺才被纳入分析。详细的BI-RADS类别见补充表S1。具体而言,如果乳腺的BI-RADS评分为4A、4B、4C或5,则被指定为阳性;如果BI-RADS评分为1、2或3,则被指定为阴性。在此,我们使用4A作为恶性阈值,而非3,因为4A具有平衡的敏感度和特异度,并且在使用BI-RADS分类预测恶性时产生了最高的准确率。BI-RADS评分为0的乳腺未纳入此分层分析。为了与BI-RADS报告进行比较,AIS以0.5的AIS评分截断值预测恶性。

使用AIS辅助重新评估BI-RADS 0

在临床实践中,BI-RADS 0 患者需要进一步评估或召回进行额外影像检查,因此我们对 BI-RADS 0 亚组单独进行了一项再评估研究。在 BI-RADS 3–4 分层分析中最初评估为 BI-RADS 0 类的乳腺,在经过超过四周的洗脱期后,由相同的放射科医师在 AIS 辅助下重新评估。在 AI 辅助界面上,专家可以看到可疑区域的红色轮廓以及 AIS 预测的恶性概率。专家在加载乳腺X线摄影图像时可以立即看到可疑区域,并且可以切换关闭可疑区域以显示未经修改的乳腺X线摄影图像。鉴于 AIS 结果,专家可以选择根据临床判断将其纳入考虑或不予理会。

AIS 辅助研究

我们进一步进行了一项阅片者研究,以评估 10 名具有三种专业水平(高级:乳腺影像诊断经验 ≥ 10 年;中级:乳腺影像诊断经验 3–10 年;初级:乳腺影像诊断经验 0–3 年)的放射科医师在乳腺X线摄影判读中的表现,要求每位阅片者在有/无 AIS 辅助的情况下提供强制 BI-RADS 评分(1–5)和恶性概率评分(0–100)(图 2C)。在此,由于 BI-RADS 0 类的不确定性,我们在 BI-RADS 3–4 亚组的分层分析中使用了强制 BI-RADS 评分(1–5)而非 BI-RADS 分类(0–5)。

该研究在从测试集中随机选取的 1302 个经病理证实的乳腺中进行。阅片者在第一轮中阅读 651 个无 AIS 辅助的乳腺和另外 651 个有 AIS 辅助的乳腺,在第二轮中交叉进行,中间间隔四周洗脱期。所有阅片者对病理结果均设盲。

统计分析

统计分析使用 R 4.0.1 版软件(R Project for Statistical Computing)进行。为评估 AIS 的诊断能力,我们绘制了受试者工作特征曲线(ROC)并评估了乳腺水平的 AUC、准确率、灵敏度、特异度和 F1 分数。组内相关系数(ICC)用于评估有/无 AIS 辅助时放射科医师之间的一致性。p < 0.05 表示差异具有统计学意义。

结果

患者特征

共纳入 24,866 个乳腺(平均年龄 49.8 岁 ± 10.3),其中 10,745 个(43.2%)经活检或手术病理证实(7266 个为恶性,3479 个为良性),14,121 个(56.8%)在超过 2 年的随访影像中未见异常(表 1)。

AIS 的表现

AIS 的表现见表 2 和图 3。在区分恶性乳腺与非恶性乳腺(良性组 + 无异常发现组)时,AIS 在验证集、测试集 1 和测试集 2 中的 AUC 分别为 0.995(95% CI:0.992–0.997)、0.933(95% CI:0.919–0.947)和 0.947(95% CI:0.939–0.955)。在区分恶性乳腺与良性乳腺时,AIS 在验证集、测试集 1 和测试集 2 中的 AUC 分别为 0.988(95% CI:0.980–0.995)、0.910(95% CI:0.893–0.927)和 0.936(95% CI:0.926–0.946)。

表 2 AIS 的表现 查看原表 ↗
图 3 腺体类型和病变类型及癌症类型的分层分析。A 腺体类型的分层分析。B 病变类型的分层分析。C 癌症类型的分层分析 查看原图 ↗

AIS 对 BI-RADS 3–4 亚组分层的获益

基于病理结果,BI-RADS分类本身在验证集和测试集中分别达到准确率73.15–84.09%、灵敏度85.51–92.32%、特异度58.80–74.28%、F1值0.716–0.898,而AIS的准确率为85.06–96.82%、灵敏度76.64%–96.99%、特异度90.55–96.30%、F1值0.802–0.979(图4A和表3)。AIS的AUC值在验证集(0.828 vs 0.988,p < 0.001)、测试集1(0.843 vs 0.892,p < 0.001)和测试集2(0.873 vs 0.934,p < 0.001)中均显著更高。

在图4B中,我们绘制了旭日图以可视化AIS在BI-RADS分类上的获益。在验证集和测试集的3887个乳房中,BI-RADS分类导致6.0% [233/3887](2.1% [83/3887]为BI-RADS 3,3.9% [150/3887]为BI-RADS 4A)的假阴性,以及13.2% [514/3887](11.6% [449/3887]为BI-RADS 4B,1.7% [65/3887]为BI-RADS 4C)的假阳性。相比之下,当我们用AIS分析这些乳房时,它正确地将11.0% [427/3887]的BI-RADS 4B和4C乳房分类为良性组,从而避免了过度手术治疗。AIS还正确地将3.2% [126/3887]的BI-RADS 3和4A乳房分类为恶性组,从而避免了错过最佳干预时机。此外,90.6% [1830/2020]的恶性BI-RADS 4B和4C乳房被分类为恶性以确保必要的手术,96.3% [1079/1120]的良性BI-RADS 3和4A乳房被分类为良性以避免不必要的手术。最终,与BI-RADS分类相比,所有BI-RADS 3–4乳房中仅有5.9% [231/3887]被错误分层。

总体而言,AIS将83.1% [427/514]的假阳性(BI-RADS 4B和4C)适当地归入良性组,同时,它将54.1% [126/233]的假阴性(BI-RADS 3和4A)归入恶性组。AIS的获益在于更好地防止过度治疗和治疗延迟。

图4 BI-RADS 3–4亚组的分层分析。A AIS与BI-RADS词典在BI-RADS 3–4亚组内的分类性能。B 验证集、测试集1和测试集2合并结果的旭日图。内环代表BI-RADS 3、4A、4B和4C的乳房分布。括号内数据为病例数。第二环代表病理分布;深蓝色表示良性病例,深红色表示恶性病例。第三环代表AIS的预测分布;蓝色表示良性预测,红色表示恶性预测。例如,1439个乳房为BI-RADS 4B,其中经病理证实449例为良性病例、990例为恶性。AIS能正确地将449例良性病例中的369例分类为良性组。对于这369例,AIS可使其获益并通过活检避免过度治疗。同时,990例恶性病例中有146例被错误分类为良性组。总体而言,获益病例多于漏诊病例。BI-RADS,乳腺影像报告和数据系统;ROC,受试者工作特征;AIS,人工智能系统 查看原图 ↗
表3 BI-RADS 3和4的分层分析 查看原表 ↗

在AIS辅助下重新评估BI-RADS 0

在我们对BI-RADS 0亚组的分析中,我们在测试集中共评估了407个乳房。将AIS应用于所有最初分类为BI-RADS 0的乳腺X线摄影后,放射科医生在43个真恶性乳房中成功识别出7个恶性病变。AIS在该亚组中表现出96.7%(352/364)的高特异度。然而,总体敏感度为16.3%(7/43),反映了对BI-RADS 0病例进行明确分类的挑战。(两个代表性乳房见补充图S1)。

平衡设计AIS辅助研究的结果

在AIS辅助研究中评估的1302个乳房中,AIS独立运行达到AUC为0.926(95% CI:0.911–0.942),敏感度为83.4% [529/634],特异度为93.7% [626/668],准确率为88.7% [1155/1302]。无辅助的放射科医生达到AUC = 0.787–0.919,敏感度 = 51.0% [323/634]–94.5% [599/634],特异度 = 45.7% [305/668]–96.4% [644/668],准确率 = 69.4% [904/1302]–87.5% [1139/1302];而有辅助的放射科医生达到AUC = 0.808–0.925,敏感度 = 54.1% [343/634]–93.8% [595/634],特异度 = 53.3% [356/668]–96.0% [641/668],准确率 = 73.0% [951/1302]–88.4% [1151/1302]。全部十位阅片者的AUC均有所提高,范围为0.003至0.047,其中五位阅片者表现出显著改善(p < 0.05,图5和补充表S2)。十位阅片者的平均AUC在AIS辅助下显著提高(0.870 vs 0.888,p = 0.001)。使用AIS导致10位放射科医生中有8位的敏感度呈上升趋势,改善范围为2.2% [14/634]至10.3% [65/634],而平均特异度在中级和高级组中略有提高。无AIS时,十位阅片者的ICC为0.629(95% CI:0.609–0.649),而在AIS支持下,ICC增至0.672(95% CI:0.653–0.690)(表4)。我们绘制了两个代表性乳房,分别具有肿块性病变(补充图S2)或致密实质(图6),这些对放射科医生而言难以识别,但在AIS的帮助下,大多数阅片者在良性病例中下调BI-RADS,在恶性病例中上调BI-RADS。

图5 AI辅助研究的结果。阅片者1和2为初级组(未接受过任何乳腺X线摄影诊断经验的标准培训住院医师),阅片者3–6为中级组(具有3–10年乳腺X线摄影诊断经验的放射科医生),阅片者7–10为高级组(具有10年以上乳腺X线摄影诊断经验的放射科医生) 查看原图 ↗
表4 AI辅助研究的ICC结果 查看原表 ↗
图6 AI辅助研究中的两个代表性致密型乳腺。患者1为良性乳腺癌,患者2为恶性乳腺癌。患者1和患者2均为放射科医师常难以将其分类为良性或恶性的致密型实质乳腺。但在AIS的辅助下,大多数阅片者能够将其区分。患者1:一名48岁女性腺病患者乳腺X线摄影显示左乳外下象限致密腺体伴结构扭曲。在AIS辅助下,十名阅片者的BI-RADS分类分别从4C、4B、3、4B、4C、3、1、3、4A、4B调整为1、4B、3、4B、3、3、1、3、3、3。患者2:一名42岁女性浸润性导管癌(IDC)患者乳腺X线摄影显示左乳内下象限致密腺体、斑片状高密度影及粗大点状钙化。在AI辅助下,十名阅片者的BI-RADS分类分别从3、4B、3、3、4B、4B、2、4A、3、3调整为4C、4C、3、4B、2、4A、4A、4B、4B、3。BI-RADS,乳腺影像报告和数据系统;AIS,人工智能系统 查看原图 ↗

讨论

我们开发了一种两步式AIS,利用多视角乳腺X线摄影和多层次卷积神经网络特征自动检测和诊断乳腺癌,并进一步评估其在辅助BI-RADS分类决策中的性能。我们从主要诊治有症状乳腺患者的亚洲诊所收集了24,866侧乳腺(49,732张数字乳腺X线摄影图像)。结果显示AIS具有令人满意的诊断性能,在验证集和测试集中区分恶性与非恶性乳腺的AUC为0.933–0.995,区分恶性与良性乳腺的AUC为0.910–0.988。目前,用于乳腺癌筛查的AI已从可行性研究和阅片者研究迅速推进至临床实施。Ezeana等开发了iBRISK模型,AUC为0.920–0.950,准确率为89.5%[23],与我们的研究基本一致。然而,AI风险评估模型的效能受不同AI算法、多样化人群、乳腺X线检查方法和征象的影响[24, 25]。

与既往主要基于白种人群建立的大规模AI乳腺X线摄影研究[20, 26]不同,我们的AIS是在亚洲人群中建立的,该人群通常具有较高比例的致密腺体和乳腺X线摄影上模糊的病灶。然而,亚洲的乳腺X线摄影筛查率以及计算机辅助检测(CADe)和诊断(CADx)的使用率相对较低,因此,我们的研究同时纳入了筛查性和诊断性乳腺X线摄影,其中高比例的准确金标准标签来自活检/手术结果。

根据第五版BI-RADS词典,类别3与4之间的错误分类是临床实践中假阳性率和假阴性率高的主要原因[7, 8, 27–29]。目前对乳腺X线摄影的批评主要集中在假阳性,即过度诊断及相关活检,这主要是由于BI-RADS 4类别中预测恶性肿瘤的范围较宽[28, 30]。例如,尽管低风险BI-RADS 4A病变的恶性风险仅为2–10%,但根据现行BI-RADS词典的指南,仍需要进行活检。由于BI-RADS评估的主观性,临床过度诊断和诊断不足是BI-RADS类别3–4病变中的常见事件。我们的人工智能系统(AIS)在类别3–4中显示出比BI-RADS分类更准确的区分能力,在验证集和测试集中AUC显著提高(0.828–0.873 vs 0.892–0.988,p < 0.001)。此外,通过将83.1% [427/514]的假阳性病例正确分类为良性组,并将54.1% [126/233]的假阴性病例分类为恶性组,我们的AIS可以有益于BI-RADS 3–4分类,或许能够避免不必要的活检或延迟诊断。与既往研究相比,目前大多数已发表的研究并未解决BI-RADS 4类别乳腺X线摄影可疑发现的恶性概率精确估计问题,也未解决过度活检问题[21–23, 31, 32]。由于我们的患者数据收集自主要治疗有症状乳腺患者的机构,恶性病例的比例显著高于筛查人群。为了提供平衡的敏感性和特异性,并利用BI-RADS分类获得预测恶性肿瘤的最高准确率,我们使用4A作为恶性阈值,而非3,这可能潜在影响我们人工智能系统(AIS)的性能,并限制我们的研究结果在真实临床环境中的普适性。因此,我们未来的研究将在更接近常规临床实践中病例分布的数据集上进一步验证AIS的性能,特别是在筛查人群中。

至关重要的是要理解,当乳腺X线摄影发现不确定时,会赋予BI-RADS 0,需要额外的影像学检查才能获得明确诊断,例如额外的乳腺X线摄影、超声,甚至MRI。因此,我们的研究试图利用AIS来识别一部分可能不需要额外检查的BI-RADS 0病例,同时保持高特异性。在我们的研究中,AIS能够成功协助放射科医生识别43个诊断为BI-RADS 0的恶性病变中的7个,特异性为96.7% [352/364]。我们承认,保持高敏感性对于避免遗漏潜在恶性肿瘤同样重要。然而,在BI-RADS 0病例的背景下,进一步诊断检查已经是指征,关注保持高特异性对于优化患者管理和资源分配至关重要。上述结果强烈提示,AIS可以成为当前乳腺X线摄影解读的有效补充,特别是在BI-RADS 0和3–4类别中[33–35]。

为了进一步研究人类与人工智能协作的潜力,我们开展了一项平衡设计的阅片者研究,以评估人工智能系统(AIS)对不同级别放射科医师乳腺影像判读的贡献。十位阅片者的平均AUC在AIS辅助下显著提高(0.870 vs 0.888,p = 0.001)。此外,阅片者间一致性在AIS辅助下有所提高。有趣的是,我们发现人工智能的使用率在高年资放射科医师中提高最多,而在低年资放射科医师中提高最少。这可能与高年资放射科医师能够根据其经验比低年资放射科医师更准确地识别人工智能提示的异常有关[36, 37]。目前,已有报道称人工智能支持的乳腺X线筛查与标准双读相比可产生相似或更高的癌症检出率[38, 39],尤其是在检出较高间期癌和漏诊癌方面,同时可大幅降低筛查阅片工作量[39],我们的结果与上述文献[38, 39]基本一致。然而,ScreenTrustCAD试验提出了对放射科医师倾向于过度依赖一致或忽视的担忧,该研究显示,与由人工智能计算机辅助诊断(CAD)标记的参与者相比,由放射科医师初步标记后召回的参与者比例更大,而癌症比例更低[40]。因此,人工智能支持的乳腺X线筛查能否取代放射科医师仍有待未来进一步研究。

我们的研究存在若干局限性。第一,我们的验证和测试数据集存在显著的类别不平衡,特别是BI-RADS 1和2类病例比例较低(验证数据集中为2.7%,测试1数据集中为8.3%,测试2数据集中为7.1%)。这种不平衡是由于我们的患者数据收集自主要治疗有症状乳腺患者的机构,而非筛查人群。因此,我们数据集中病例的分布偏离了临床实践中通常观察到的情况,即在临床实践中绝大多数病例被归类为良性。这种不平衡可能潜在影响我们的人工智能系统(AIS)的性能,并限制我们的研究结果在真实世界临床环境中的普适性。在筛查人群中,大多数病例为良性,AIS可能会遇到更多的假阳性,导致不必要的额外影像检查或活检。反之,由于我们数据集中恶性肿瘤的患病率高于筛查人群,AIS在检测和诊断恶性病例方面的性能可能被高估。为减轻这一局限性的影响,未来研究应在更接近常规临床实践中病例分布的数据集上验证AIS的性能,特别是在筛查人群中。第二,我们研究中的乳腺X线摄影图像使用单一厂商(Hologic)的设备采集。为确保我们AIS的稳健性和普适性,进一步研究应在来自不同厂商的乳腺X线摄影设备上检验其性能。第三,AIS辅助放射学诊断的效果仅使用乳腺X线摄影图像而无可供参考的临床信息来确立,尽管以病理结果和随访作为金标准。为更好地理解AIS在真实世界临床环境中的潜在影响,应开展进一步的前瞻性AIS辅助研究,分别在有和无临床变量的情况下进行。第四,我们的AIS是使用亚洲人群的数据开发的。虽然这是我们研究的一个优势,因为它弥补了亚洲人群中基于AI的乳腺X线摄影研究的不足,但这也引发了我们的AIS能否推广到其他人群的问题。这些发现强调需要进一步研究这些较高的恶性肿瘤率可能如何影响我们模型的性能及其在不同临床环境中的适用性。未来研究应在多样化人群中验证我们AIS的性能,以评估其更广泛的适用性。

总之,AIS可作为临床适用的工具,用于识别乳腺X线摄影上的恶性病变,并进一步辅助基于当前BI-RADS词典的决策,特别是在BI-RADS 3–4类别内进行分层评估,以防止过度诊断和延迟诊断。然而,为评估我们AIS的临床适用性,未来需要在多样化人群和多个机构中进行验证的进一步研究。

补充信息

电子补充材料

引用

  1. Tan H, Wu Q, Wu Y, et al. Mammography-based artificial intelligence for breast cancer detection, diagnosis, and BI-RADS categorization using multi-view and multi-level convolutional neural networks. Insights Imaging. 2025. PMID: 40397242. doi:10.1186/s13244-025-01983-x
  2. 全文:PMC12095762(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12095762/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。