指南与共识乳腺乳腺X线USMR

ESR要点:乳腺影像中的人工智能——欧洲乳腺影像学会的实践建议

ESR Essentials: artificial intelligence in breast imaging-practice recommendations by the European Society of Breast Imaging.
指南 / 共识 · Eur Radiol · 2025-08-26

欧洲乳腺影像学会发布实践建议,指出乳腺X线筛查中AI可提高诊断准确性和效率,但实施需严格上市后监测;数字乳腺断层合成和超声的商用工具可使用但缺乏实施后评估;乳腺MRI的AI临床应用尚不能推荐;所有商用AI工具目前仅应视为可选辅助,放射科医生可推翻其发现。

要点

  • 乳腺X线筛查中AI提高诊断准确性,但长期结局数据缺乏,实施需严格上市后监测。
  • 数字乳腺断层合成和超声的商用AI工具可使用,但实际临床影响评估不足。
  • 所有乳腺影像商用AI工具目前仅视为可选辅助,放射科医生可推翻其发现。

核心结论

  • 基于当前证据,尚不能强烈推荐任何乳腺影像AI算法;部分算法有临床潜力,但使用应视为可选。
  • 除非AI作为独立工具进行影像评估,最终影像解读责任由放射科医生承担,AI工具仅视为辅助工具。
  • 作者认为放射科医生可始终推翻AI发现,且无需在报告中说明。

研究设计与样本

  • 欧洲乳腺影像学会(EUSOBI)发布的实践建议,基于文献综述与专家意见,采用WHO基于AI医疗器械证据生成的四阶段框架(从可行性到耐久性)评估证据。

诊断标准与关键数值

  • 乳腺X线筛查中AI实施似可提高诊断准确性和效率(证据等级:中等),但任何实施策略均须严格上市后监测。
  • 数字乳腺断层合成商用工具可减少解读时间并提高准确性,超声工具可辅助病灶分类并减少阅片者间差异,可使用但实际临床影响评估不足(证据等级:中等)。
  • 当前乳腺影像AI工具应视为报告放射科医生的辅助;因缺乏长期临床结局改善证据,放射科医生可结合所有临床信息接受或推翻AI发现,无需在报告中解释(证据等级:中等)。

临床应用与阅片要点

  • 乳腺X线筛查中AI可至少部分替代双读中的一名阅片者,但最佳实施方式未知,任何实施均应伴随对召回率、活检率和癌症检出率等结局参数的严格监测。
  • 数字乳腺断层合成解读时可同时使用AI以减少阅读时间并可能提高诊断准确性,但尚无足够证据推荐。
  • 乳腺超声中监管批准的AI系统可用于更好分类乳腺病灶并减少良性病变活检,但缺乏实施后监测研究。
  • 乳腺MRI中除动态数据常规色彩编码和图像配准外,AI系统的临床使用尚不能推荐。
  • 不鼓励在无进一步训练的情况下将大语言模型用于当前临床。

局限性

  • 乳腺X线筛查中AI的长期结局数据缺乏。
  • 数字乳腺断层合成和超声商用工具缺乏实施后评估研究。
  • 乳腺MRI和对比增强乳腺摄影的AI应用大多仍限于研究环境。
  • 大语言模型证据仍有限,当前无临床应用。
  • 成本效益和大规模验证研究仍缺乏。
全文中译10 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:Eur Radiol. 2025 Aug 26;36(3):1909–18. doi: 10.1007/s00330-025-11954-x

关键推荐

在乳腺X线摄影筛查中实施人工智能系统似乎可以提高诊断准确性和效率。然而,对于任何实施策略,严格的上市后监测都是强制性的(证据级别:中等)。

用于数字乳腺断层合成的商业工具能够减少判读时间并提高准确性,用于超声的商业工具有助于病变分类并减少判读者间变异性,这些工具可以使用,但其在临床实践中的实际影响尚未得到充分评估(证据级别:中等)。

当前在临床乳腺影像中使用人工智能工具应被视为对报告放射科医师的辅助。由于缺乏人工智能改善长期临床结局的证据,放射科医师可在综合考虑所有临床信息的情况下接受或否决这些发现,无需在报告中进行解释(证据级别:中等)。

引言

人工智能(AI)可以对乳腺癌影像产生积极影响:一方面填补其主要缺口,如放射科医师工作量过大和诊断准确性有限;另一方面增强其能力(表1)。AI系统主要通过改善病变检测、特异性和工作流程效率来提升传统影像性能,但尽管潜力巨大,其实施需要稳健的治理结构以确保安全性、质量和效率。此外,成本效益和大规模验证研究仍然缺乏。

在乳腺X线摄影中,已有多种商业工具可用,但其对长期结局的影响尚未得到评估。用于数字乳腺断层合成(DBT)的商业工具能够减少判读时间并提高准确性,用于超声(US)的工具可辅助病变分类并减少判读者间变异性,但这些均缺乏实施后评估研究。在乳腺MRI中,商业计算机辅助诊断(CAD)工具已存在数十年,但对经验丰富的放射科医师提供的附加价值有限。与此同时,包括分子亚型和风险预测以及治疗反应评估在内的先进AI应用显示出有前景的结果,但在很大程度上仍局限于研究环境。

世界卫生组织将基于人工智能的医疗器械的证据分为四个阶段(https://iris.who.int/),从可行性(第1阶段)到持久性(第4阶段),最后一个阶段要求对AI性能进行持续上市后监测(图1)。随着AI模型的演进,放射科医师应评估其效用并确保实施基于稳健的证据;当AI工具达到最后一个阶段时,应作出强推荐。

表1 各乳腺影像模态主要现有证据和未来展望的汇总 查看原表 ↗
图1 世界卫生组织描述了基于人工智能的医疗器械生成证据的4个不同阶段(https://iris.who.int/)。这从可行性(第1阶段)到持久性(第4阶段),最后一个阶段要求对AI性能进行持续上市后监测。我们认为只有当他们AI工具达到这一阶段时才能作出强推荐。该流程图展示了人工智能算法在不同影像模态中的状态 查看原图 ↗

人工智能在乳腺X线摄影筛查中的应用

人工智能(AI)正通过提高数字乳腺X线摄影(DM)的准确性和效率,成为乳腺癌筛查中的强大工具[1, 2],目前已有若干商业系统可用(图2)。例如,在一项多阅片者多病例设置中,与标准阅片相比,AUC从0.87提高到0.89,敏感度从83%提高到86%,特异度从77%提高到79%,且阅片时间未增加(146秒 vs. 149秒)[3]。同一模型作为独立阅片者,在来自既往多阅片者、多病例研究的九个数据集中,即使无法获取既往乳腺X线影像,其表现仍优于101名放射科医师中的61%[4]。一项纳入十六项研究的系统综述验证了AI在DM和DBT中的性能[2]。AI在敏感度方面通常优于放射科医师,但特异度略低。在阅片者研究中,AI应用于DM(0.87 vs. 0.81)或DBT(0.90 vs. 0.79)时,其合并AUC显著高于人类阅片者。然而,与连续筛查队列的历史阅片相比,AI性能与人工评估相似。尽管前景可观,但DBT研究数量有限且研究设计存在异质性,仍需进一步研究。

将AI整合到筛查工作流程中已显示出显著获益。一般而言,全球各筛查项目的阅片策略包括单一阅片或双阅片(独立或共识)。McKinney等证明,AI作为第二阅片者可将放射科医师工作量减少88%,同时保持非劣效准确性[5]。决策转诊模型通过将正常和可疑病例分流供人工审核,进一步增强了AI的实用性。一项纳入超过一百万例乳腺X线影像的德国研究[6]比较了AI作为独立系统、AI在决策转诊框架内以及无辅助人类阅片者的情况。在独立模式下,尽管性能强劲(AUC 0.95,外部验证),AI系统的准确性仍低于无辅助的放射科医师。决策转诊方法相较于无辅助放射科医师表现出显著改善,同时减少了工作量。值得注意的是,亚组分析显示AI改善了浸润性病变、小肿瘤以及致密乳腺中的检测。

基于人群筛查项目内早期前瞻性研究的证据表明,人工智能具有可行性和效率。匈牙利的一项前瞻性研究探索了将人工智能作为额外阅片者的实施方式,在召回率仅轻微增加的情况下改善了早期癌症检出。人工智能辅助工作流程对标准双阅片未召回的标记病例进行识别,使癌症检出率相对提高5–13%,召回率适度增加[7]。MASAI试验[1, 8]是一项大规模随机对照研究,显著增强了现有证据,在瑞典评估了人工智能支持的乳腺X线摄影筛查与标准双阅片(非盲法双阅片,为斯科讷地区筛查项目的标准诊疗)的比较。人工智能的分诊系统对病例进行分层,将低风险病例导向单阅片,将高风险病例导向双阅片。人工智能辅助筛查显示出非劣效的癌症检出率(每1000名参与者6.1 vs. 5.1),同时将放射科医生的筛查阅片工作量减少44%。ScreenTrustCAD是另一项瑞典前瞻性研究,比较了传统双阅片(双阅片加共识)与替代策略,包括混合双阅片(人工智能加人工)、独立人工智能和三阅片(两名放射科医生加人工智能)。与传统方法相比,混合双阅片检出的癌症多1.04倍,同时工作量减少44%。独立人工智能取得非劣效结果,但未超越传统双阅片,而三阅片策略尽管检出率最高,却引发了对其效率的担忧[9]。截至撰写本文时,这些试验的长期结局尚未发表。

在筛查中,人工智能模型还可为风险评估提供重要支持,推动个性化筛查。一项研究比较了基于乳腺X线摄影的深度学习(DL)风险评估模型与传统风险模型(Tyrer-Cuzick和BCRAT)在接受乳腺磁共振成像筛查的高风险患者识别中的表现。该模型显示出显著高于传统模型的癌症检出率(每1000人20.6 vs. 6.0–6.8)[10]。在近期一项研究中,从数字乳腺X线摄影(DM)提取的影像组学实质表型与浸润性乳腺癌风险增加显著相关,尤其是在假阴性结果和有症状间期癌病例中,在 Black 和 White 女性中均如此,且独立于传统乳腺密度指标[11]。

这些发现表明,基于深度学习和影像组学的风险评估可通过更准确地识别个体风险来增强乳腺癌筛查。

基于当前证据,在乳腺X线摄影筛查中实施人工智能可能有益,可谨慎推荐。它有潜力至少部分替代双阅片设置中的一名阅片者。然而,人工智能的最佳实施方式尚不明确。因此,任何实施方法都应伴随严格的上市后监测和相关结局参数的监控,如召回率、活检率和癌症检出率。

图2 a 一名71岁女性浸润性导管癌患者的乳腺X线摄影(病灶已勾画,并附计算机系统赋予的怀疑程度评分)。在无辅助阅片时,14名放射科医师中有4名将该患者召回(乳腺影像报告和数据系统(BI-RADS)评分≥3);在使用人工智能(AI)系统辅助时,14名放射科医师中有11名将其召回。勾画区域和评分如AI系统查看器中所示。b 一名62岁无癌症女性的乳腺X线摄影,在无辅助阅片时,14名放射科医师中有12名将其召回(BI-RADS评分≥3);在使用AI系统辅助时,14名阅片者中有7名将其召回。勾画区域和评分如AI系统查看器中所示 查看原图 ↗

AI工具在数字乳腺断层合成中的作用

近期已有市售系统问世,具备处理不同厂商DBT的能力。虽然DBT相较于DM的诊断优势明确,但由于阅片时间更长和判读复杂性增加,其广泛采用一直较为缓慢[12]。研究显示,AI可以显著缩短阅片时间——降幅可达23–29%——同时保持准确性[13, 14]。通过突出感兴趣区域并生成增强合成视图,AI不仅加快了判读速度,还帮助放射科医师聚焦于关键发现,最终提高效率。Benedikt及其同事在其研究中使用的算法能够选择可疑病灶,将其从单张断层合成图像中提取出来,并与合成图像融合,以提高阅片效率[14]。AI还被证明能够通过根据风险水平对病例进行分诊来优化筛查工作流程,在将放射科医师工作量减少30%的同时将敏感性提高17%(图3)[3, 15]。

AI系统的性能已接近人类双读(AUC 0.93 vs. 0.98)[16, 17],尤其在检测致密乳腺中的异常方面表现突出,而传统方法在此类情况下往往效果不足[17]。

近期,为DM开发的基于AI的CAD系统被应用于合成乳腺X线摄影[18]。AI-CAD在合成图像上的敏感性较低但特异性较高,AUC相当。结果提示,基于DM的AI-CAD不应在未经适当调整的情况下应用于合成乳腺X线摄影。

AI通过利用DL算法提取和分析影像生物标志物、实质纹理和乳腺X线摄影乳腺密度,在风险预测方面显示出巨大前景。这些自动化评估能够实现个体癌症风险分层,并可能指导个性化筛查[19]。

目前尚无足够证据推荐AI用于DBT,但在判读断层合成检查时可同时使用,因为它可能缩短阅片时间并可能提高诊断准确性。

图3 一名66岁女性接受了筛查性乳腺X线摄影,原始阅片未召回。AI在DM(A)和DBT图像(B)上于右乳上象限检测到一个毛刺状肿块(已勾画)。C为4个月后获得的DM图像,此前患者发现可触及肿块(与实际癌症无关)。进行了活检,在该本会被AI召回的病灶中诊断出一例间期癌,为6 mm II级浸润性导管癌。转载自[15],依据Creative Commons CC BY 4.0许可 查看原图 ↗

超声:从病灶分类到弹性成像

人工智能应用已成为解决乳腺超声(US)大多数局限性的有前景的方案,可提高50岁以上女性的较低特异度,并缩短图像采集和审阅时间[20, 21]。多位作者已证明乳腺病变分类得到改善(图4)。例如,Shen等[22]证明了计算机化BI-RADS超声特征评估的价值,其曲线下面积(AUC)为0.97,有望提高效率并显著减少不必要的活检。同样,Niu等[23]聚焦于BI-RADS 4A病变,识别出能够区分良性肿瘤(如内部钙化和特定长轴角度)与恶性肿瘤(以边缘分叶和较低熵为特征)的超声模式。进一步的改进来自深度学习(DL)的进展,尤其是卷积神经网络(CNN),与既往架构相比,其恶性病变分类更快、更准确[24]。人工智能达到与放射科医师相当的诊断准确率,同时提供更快、更一致的学习曲线,尤其对经验较少的阅片者而言[25]。相关工具可体现人工智能与超声设备的整合,提高病变表征准确率并减少BI-RADS分类的变异性,促进标准化[26]。

先进的超声方法,如剪切波弹性成像(SWE),与B模式成像相结合,本身即可改善病变表征[20],与人工智能结合后效果更佳。La Rocca等[27]开发了一种结合B模式超声和SWE的影像组学和机器学习方法,其表现优于仅使用B模式的放射科医师,但SWE图像的影响有限。Zhang等[28]通过自动提取SWE特征的深度学习系统扩展了该方法,性能优异(AUC 0.95)。

在腋窝分期方面也发现了良好性能。Zhang等[29]开发了一种结合实时弹性成像和B模式超声特征的计算机辅助模型,在描绘乳腺癌患者转移性淋巴结方面AUC为0.90,准确率为85%。在用于早期乳腺癌腋窝淋巴结(ALN)负荷术前评估的超声弹性成像影像组学列线图中也取得了类似结果[30]。作者发现,SWE特征、超声报告的ALN状态和分子亚型是与ALN状态相关的独立危险因素,该影像组学模型对ALN分期的良好预测能力可为早期乳腺癌患者的决策提供增量信息。

人工智能与自动乳腺超声(ABUS)的整合在增强乳腺癌诊断、治疗评估和分子标志物预测方面已显示出显著潜力。ABUS影像组学正越来越多地与组织学分级、免疫组化标志物以及生存结局和血液学特征等临床参数相结合,从而实现更全面的肿瘤表征。然而,关键挑战仍然存在,包括开发基于深度学习的多模态数据融合技术、稳健的数据隐私保护机制以及提高模型可解释性[31]。

监管机构批准的乳腺超声人工智能系统确实存在,可用于更好地对乳腺病变进行分类,并减少对良性发现的活检。然而,缺乏实施后监测研究,应开展此类研究以评估该应用场景的实际价值[20]。展望更远的未来,人工智能在乳腺超声中的应用可能包括在资源有限的环境中对面部可检测肿瘤的患者进行分诊,以及预测对新辅助化疗的反应。

图4 使用市售人工智能软件将可疑超声乳腺病变评定为BI-RADS 4A,经空心针活检证实为浸润性癌。转载自[21],依据Creative Commons CC BY 4.0许可 查看原图 ↗

MRI:研究实验室

用于乳腺MRI的人工智能解决方案在很大程度上仍处于研究领域,其应用范围从病变的检测和分类到复发评分和风险评估、分子亚型预测和治疗反应评估(图5)。

自2000年代初以来可用的商业CAD系统提供的附加诊断价值有限,尤其是对经验丰富的放射科医生而言[32]。较新的研究模型显示出更高的性能。Anaby等报告,人工智能在回顾性筛查数据集中可检测出高达65%的漏诊癌症[33]。Verburg等证明,在DENSE试验数据上训练的人工智能模型以100%的灵敏度排除了40%的阴性病例[34],后续验证确认了33%的正常病例排除率和46%的活检减少率[35]。Bhowmik等使用超过14,000例MRI训练其模型,发现其中11%可在100%灵敏度下被排除出阅片范围,尽管特异度仍然较低(20%)[36]。Jing等通过将人工智能应用于超快序列(AUC 0.81),在98%灵敏度下将工作量减少了16%。作者开发了一个模型,能够从最后一个时间分辨超快序列的最大强度投影图像中自动定位乳腺病变,对效率和诊断性能有显著的积极影响[37]。Oviedo等的可解释人工智能在平衡数据集中达到AUC 0.84,但在类筛查数据中降至0.72[38]。Eppenhof等报告在分期数据集中AUC为0.86–0.96,但在筛查数据集中仅为0.80–0.81[39],突出表明在临床推广之前需要在真实世界筛查数据集上获得证据。

人工智能可以预测癌症风险,如Ha等所提出的,CNN能够有效分类Oncotype DX风险类别(AUC 0.92)[40],以及Zuo等所提出的复发风险[41]。将MRI与临床变量相结合的人工智能模型还可以根据患者发生乳腺癌的可能性对其进行分层。Saha等使用背景实质强化(BPE)特征来预测2年内癌症发生,优于放射科医生的主观评估[42]。同样,Portnoi等开发了一个模型,使用单轴最大强度投影评估高危女性的5年乳腺癌风险,优于Tyrer-Cuzick(AUC 0.64 vs. 0.49)[43]。

所谓的基于人工智能的MRI和对比增强乳腺摄影(CEM)“虚拟活检”能够以良好的性能在全病灶层面和各亚型层面预测分子亚型,正如包括一项纳入三十五项研究的荟萃分析在内的多篇文章所证明:Luminal A型(敏感性:0.78,特异性:0.83)、Luminal B型(敏感性:0.75,特异性:0.68)、三阴性型(敏感性:0.68,特异性:0.85)和HER2+型(敏感性:0.87,特异性:0.88)[44]。值得注意的是,亚型定义差异(例如免疫组化染色或St. Gallen标准)可能影响准确性[45]。

MRI是预测新辅助治疗后病理完全缓解(pCR)的关键[46]。然而,识别无应答者对于避免与无效治疗相关的不必要费用至关重要,多项研究探索了人工智能在治疗前或1–2个治疗周期后预测应答的潜力(AUC 0.72–0.93)[47, 48],加入临床数据后性能有所提高[49]。纵向和多模态数据(包括数字乳腺摄影(DM))的整合进一步提高了人工智能性能,如Gao等[50]所证明。

目前尚不能推荐人工智能系统在乳腺MRI中超出动态数据常规彩色编码和图像配准的临床使用。需要大量进一步研究才能将现有算法从研究领域推向有用的临床产品。

图5 一名62岁患者左乳无特殊类型(Luminal B型,G2)多中心癌伴同侧腋窝淋巴结受累的CEM和MRI检查。A 低能内外斜位;B 重组内外斜位;C 低能头尾位;及(D)重组头尾位CEM视图。E 短tau反转恢复序列;F 弥散加权成像(DWI);及(G)增强后减影轴位MRI图像。分别在D和G中展示了重组CEM和增强后减影MRI图像上的肿瘤分割示例 查看原图 ↗

对比增强乳腺摄影:初步经验

相对有限的可用性、辐射暴露、对碘对比剂潜在的过敏反应以及相比MRI降低的特异性是CEM的主要局限性[51]。CEM的人工智能开发仍处于非常早期的阶段,需要进一步发展才能在临床环境中测试这些技术,从而有可能帮助提高其特异性并减少辐射暴露。

初步研究已探索了基于CEM的影像组学分子亚型分类[52–56]。一项对386个恶性病灶的研究表明,使用低能和高能影像组学特征的深度学习(DL)模型在外部数据集中预测Luminal型、HER2+型和三阴性亚型的AUC分别为0.82、0.83和0.68[56]。同样,在367例病理确诊案例的数据集中,整合高能CEM图像的模型对三阴性型达到AUC 0.90[55]。

值得注意的是,最近一项研究证明了DL模型如何从DM图像创建合成的对比增强重组图像。基于放射科医生的定性分析,合成图像与真实对比增强图像非常相似。未来的工作将侧重于改进DL架构、外部验证以及研究对比剂剂量减少而非潜在的完全消除[57]。

乳腺影像中的大语言模型

尽管证据仍然有限,大语言模型(LLMs)可通过辅助决策、标准化报告和整合临床指南来影响乳腺影像学。其多模态能力使文本和图像分析成为可能,支持肿瘤分类和工作流程优化。尽管在某些任务上表现优于人类,但其可靠地融入临床仍需领域特定的训练[58, 59]。虽然某些系统可能提供准确的信息,但目前不建议在未经进一步训练的情况下将LLMs用于临床。

总结陈述

在乳腺影像学中,若干挑战仍然限制着人工智能算法的临床广泛应用,甚至临床上可用的算法也往往未在真实临床实践中进行评估。关于人工智能算法在乳腺X线筛查中有效使用的证据已有,但关于其对数字乳腺断层合成(DBT)、超声和MRI附加诊断价值的证据有限。对于所有人工智能应用,都需要真实世界试验和长期影响评估,基于世界卫生组织关于生成人工智能医疗器械证据的阶段(https://iris.who.int/bitstream/handle/10665/349093/9789240038462-eng.pdf?sequence=1),不同模态的现状如图1所示。基于此,目前无法强烈推荐在乳腺影像学中使用任何人工智能算法。虽然某些人工智能算法可能具有临床潜力,但其使用应被视为可选的。除非人工智能作为影像评估的独立工具使用,否则最终图像判读责任在于放射科医师,可用的人工智能工具只能被视为协助放射科医师完成此任务的工具。因此,需要提及的是,我们认为放射科医师始终可以推翻人工智能的发现,且无需在放射学报告中对此加以说明。

患者摘要

人工智能(AI)可对乳腺癌诊疗产生积极影响。无症状女性将更多受益于应用于筛查乳腺X线摄影或MRI的AI工具,有症状者更多受益于应用于乳腺超声的AI工具,乳腺癌患者则受益于应用于MRI和对比增强乳腺X线摄影(CEM)的AI工具。现有主要证据集中于乳腺X线筛查,已证明其可提高诊断准确性并显著减少放射科医师的工作量。大多数市售产品属于这一领域,可能更接近临床使用。其临床推广的主要障碍是需要关于临床影响的更可靠数据以及监管问题。

引用

  1. Schiaffino S, Bernardi D, Healy N, et al. ESR Essentials: artificial intelligence in breast imaging-practice recommendations by the European Society of Breast Imaging. Eur Radiol. 2025. PMID: 40856739. doi:10.1007/s00330-025-11954-x
  2. 全文:PMC12963172(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12963172/

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。