文献速递乳腺乳腺X线

放射科医师与人工智能对间期乳腺癌筛查乳腺X线摄影的回顾性评估

Retrospective evaluation of interval breast cancer screening mammograms by radiologists and AI.
PubMed 文献 · Eur Radiol · 2025-08-04

该回顾性队列研究分析了2010至2019年瑞士「donna」筛查项目中119例间期乳腺癌的筛查乳腺X线摄影,比较放射科医师回顾判读与AI系统的识别能力。结果显示AI在放射科医师回顾可见异常的可能漏诊间期癌中给出更高病例评分和高风险分类,并在部分放射科医师未见异常的间期癌中也能提示高风险。

要点

  • AI对放射科医师回顾可见异常的可能漏诊间期癌给出更高病例评分(均值54.1 vs 23.1)和高风险分类(48.7% vs 14.7%)。
  • 全部间期癌中46.2%病例评分≥25、25.2%≥50、13.4%≥75。
  • 13.4%放射科医师回顾无异常的间期癌病例评分≥50,其中62.5%未在共识会议上讨论过。

核心结论

  • AI系统可识别相当部分间期乳腺癌筛查乳腺X线摄影中的乳腺癌征象,可能减少未使用AI的筛查项目中间期癌数量。
  • AI能识别大多数放射科医师回顾可见但既往筛查漏诊的间期癌,也可识别部分放射科医师回顾无异常的间期癌。

研究设计与样本

  • 回顾性队列研究,纳入2010至2019年瑞士圣加仑州和格劳宾登州「donna」筛查项目(双读)中全部间期乳腺癌病例,最终119例间期乳腺癌筛查乳腺X线摄影可被AI系统分析。
  • 采用AI系统ProFound AI®(iCAD,版本3.1,用于2D FFDM)提供病例评分和风险评分/分类;3名放射科医师(均10年以上经验)在不知晓乳腺癌位置的情况下独立回顾判读筛查乳腺X线摄影,并混入90例随机选择的正常筛查乳腺X线摄影。
  • 间期乳腺癌定义为正常筛查乳腺X线摄影后24个月内诊断的浸润性或原位乳腺癌(ICD-10编码C50/D05)。

诊断标准与关键数值

  • AI病例评分反映乳腺X线摄影包含乳腺癌的信心程度,范围0(非常不可能)至100(非常可能);风险评分反映未来2年内诊断乳腺癌的风险(0至100),并分为低(<0.15%)、一般(0.15–0.59%)、中等(0.6–1.59%)、高(≥1.6%)四个风险类别。
  • 放射科医师回顾判读将间期乳腺癌分为「无回顾异常」82例(68.9%)和「可能漏诊」37例(31.1%),后者为共识会议建议进一步检查的病例。
  • 可能漏诊间期癌的病例评分均值54.1 vs 无回顾异常间期癌23.1,高风险分类48.7% vs 14.7%(p<0.05)。
  • 全部间期癌中病例评分≥25占46.2%、≥50占25.2%、≥75占13.4%;可能漏诊间期癌中分别为73.0%、51.4%、29.7%,无回顾异常间期癌中分别为34.1%、13.4%、6.1%。
  • 以病例评分阈值55模拟应用时,22.7%的间期癌被AI标记,其中51.6%在既往筛查中未在共识会议讨论,即11.7%的间期癌将额外进入共识会议讨论。

临床应用与阅片要点

  • 本研究中心的做法是AI系统已作为「donna」筛查项目的第三读者引入,病例评分阈值设为55,高于该阈值的所有病例均在共识会议讨论(基于本地历史数据,共识会议最多讨论全部筛查病例的15%)。
  • 作者认为AI系统可作为人为错误的安全网,识别放射科医师回顾可见但既往筛查漏诊的间期癌,也可识别部分放射科医师未见异常的间期癌。
  • 作者指出同时考虑AI的病例评分和风险分类信息是有价值的,因为部分间期癌仅病例评分中等至高度升高而风险分类低至中等,或仅风险分类中等至高度升高而病例评分低至中等。
  • 作者指出可避免间期癌的具体比例取决于所选的病例评分和/或风险分类阈值。

局限性

  • 回顾性研究设计本质上限制了得出因果结论的能力,并强调需要前瞻性研究。
  • 需要评估放射科医师在共识会议中如何利用AI信息,尤其是当他们未见乳腺X线摄影异常而需决定是否/进行何种进一步检查(如MRI、超声或对比增强乳腺X线摄影)时。
  • 缺乏诊断性乳腺X线摄影或诊断乳腺癌的详细位置,无法评估AI标记病灶是否与后来检测到的乳腺癌相对应。
  • 未来研究需纳入大型代表性乳腺X线摄影样本(即筛查检出乳腺癌、间期乳腺癌、正常乳腺X线摄影)以证实AI系统的敏感度和特异度,这对于定义实际相关的AI病例/风险评分阈值很重要。
  • 需要进一步研究以前瞻性评估AI信息如何用于最终诊断乳腺癌,尤其是当人类未见任何异常时。
全文中译11 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 4;36(2):824–36. doi: 10.1007/s00330-025-11833-5

引言

研究表明,参与乳腺X线摄影筛查项目(MSP)可降低乳腺癌(BC)相关死亡率,凸显了早期发现的关键作用[1–3]。瑞士既没有全国性的MSP,也并非所有联邦州(州)都设有MSP,但近期研究在比较设有和不设有MSP的州时,也在瑞士背景下验证了这些有益发现[4]。虽然MSP的总体目标是尽可能早期发现BC从而降低死亡率,但BC仍可能被漏检。例如,这可能是由于对致密乳腺组织中异常的检测能力有限、特定肿瘤发展途径仅表现为缓慢且轻微的征象,以及放射科医生在视觉感知或判读方面的误差[5, 6]。间期乳腺癌(IBC)是指在筛查间期内被诊断的BC病例[7]。IBC令人担忧,因为与筛查发现的BC相比,它们与更具侵袭性的肿瘤特征、更高的死亡率相关,并且更频繁地需要侵入性治疗[7–9]。虽然由于两次筛查之间癌症的自然进展,IBC的发生并非完全不可避免,但通过提高筛查敏感性来尽量减少其发生率对于提高MSP的有效性至关重要。因此,IBC病例率是MSP的关键质量指标[7, 10]。

一般而言,IBC的数量可通过缩短筛查间期(针对高风险女性)或使用其他影像学方式(如MRI)来减少,但这会带来工作量增加、MSP成本升高以及受影响女性负担加重[11]。人工智能(AI)的出现为提高MSP内BC早期发现提供了有前景的机会,而不必增加工作量。多项研究概述了AI系统在提高MSP中BC检测准确性/或效率方面的潜在益处[12–17]。然而,迄今为止很少有研究检验AI减少IBC的能力[6, 14, 18]。具体而言,“英国国家筛查委员会审查指出,缺乏关于AI算法在间期癌症检测中性能的一致性证据,是不建议将AI整合到常规乳腺X线摄影筛查工作流程的主要理由”[19, 20]。此外,尚无特定AI系统经过减少IBC潜力的测试,此类研究也未在瑞士开展。因此,我们的研究旨在回答以下研究问题:AI系统能否在IBC筛查乳腺X线摄影中识别BC征象?此外,我们将IBC筛查乳腺X线摄影独立呈现给三位放射科医生,以回顾性评估是否存在任何可见的BC征象。

材料与方法

伦理批准

本回顾性队列研究已提交至东瑞士伦理委员会(EKOS–23/061)。该研究被裁定为质量对照研究,属于MSP患者知情同意书的覆盖范围。所有数据在分析前均由东瑞士癌症登记处进行假名化处理。

本研究遵循STARD指南进行诊断准确性研究的报告[21]。

研究人群

该研究纳入了2010年至2019年间在瑞士圣加仑州和格劳宾登州(占瑞士居民的10%)参加MSP“donna”(双读)的所有女性IBC病例。圣加仑州(自2010年起)和格劳宾登州(自2011年起)所有50至69岁女性每2年被邀请自愿参加MSP,该检查由强制性医疗保险覆盖,仅需自付不足20美元的共同付费[22]。如果在一次正常(即未诊断乳腺癌,包括已在共识会议上讨论/进一步检查的病例)筛查乳腺X线摄影后24个月内诊断出浸润性或原位乳腺癌(癌症登记处ICD-10编码:C50/D05),则记录的肿瘤被归类为IBC(与Niraula等[7]/欧洲指南[10]类似)。癌症数据取自东瑞士和格劳宾登-格拉鲁斯癌症登记处的数据库,该数据库记录了其所在州内的所有癌症病例。

AI系统

我们使用了iCAD公司的AI系统ProFound AI®(2D FFDM版本3.1),特别是病例评分和风险评分/分类。病例评分反映乳腺X线摄影当前包含乳腺癌与训练数据库相比的置信程度,评分范围为0(极不可能为乳腺癌)至100(极可能为乳腺癌)[23]。数值风险评分反映未来2年内被诊断乳腺癌的风险(概率)。该预测风险基于年龄、地区发病率数据和众多乳腺X线摄影特征,同样以0至100的尺度表示[24]。此外,数值风险评分用于将乳腺X线摄影归入四个风险类别之一(由厂商定义):低(< 0.15%)、一般(0.15–0.59%)、中等(0.6–1.59%)或高(≥ 1.6%),参照女性同龄平均风险。

样本生成与数据处理

2010年至2019年间参加MSP“donna”筛查的151,233名女性中,已识别出268例IBC。在268例IBC中,242例IBC筛查乳腺X线摄影被独立提供给放射科医师和AI系统(排除LCIS病例、继发性IBC病例和无明确UICC-TNM分期的肿瘤后)。119例IBC筛查乳腺X线摄影可被AI系统解读(即其余乳腺X线摄影无法分析,因为存储的乳腺X线摄影由与AI系统不兼容的乳腺X线筛查设备完成)。图1显示了最终样本的衍生过程。这包括来自MSP、癌症登记处和AI系统结果的变量。MSP数据包括例如筛查年份、乳腺密度(乳腺影像报告和数据系统[25][BI-RADS] a至d)、两位放射科医师的审阅(R1至R5)、共识会议结论(排除乳腺癌或进一步检查)、进一步进行的检查(如MRI)、MSP总体结果(检出乳腺癌/排除乳腺癌)以及自报信息如乳腺癌家族史(母亲、姐妹或女儿被诊断乳腺癌)。此外,癌症登记处数据包括诊断和分期(如ICD-10、TNM分类)、个人信息(如诊断时年龄)、癌症生物学信息(如Ki-67增殖指数)、治疗信息(如乳房切除术)、医学随访(如复发)和生命状态。患有LCIS(即D05.0)的女性被排除在分析之外,因为LCIS是一种良性疾病,不作为癌治疗[26]。

图1 最终数据集的推导。一些较旧的乳腺X线摄影筛查设备(直到2014年)与AI系统不兼容 查看原图 ↗

由放射科医师对IBC乳腺X线摄影进行回顾性评估(无AI参与)

三名放射科医师(两名瑞士人,一名德国人,均具有10年以上经验,积极参与MSP中乳腺癌筛查乳腺X线摄影的审阅,且在常规筛查中未接触过AI)分别获得了所有IBC筛查乳腺X线摄影和90例无BC的正常筛查乳腺X线摄影,后者由癌症登记处数据分析师随机选取并混入IBC乳腺X线摄影中,以减少放射科医师的偏倚,避免其假设自己总能发现异常。盲法审阅方法,即首先在不了解BC定位的情况下查看筛查乳腺X线摄影,符合欧洲指南[10]。放射科医师独立评估乳腺X线摄影,每当一名或多名放射科医师将某一乳腺X线摄影评定为R3或更高时,该病例即在共识会议上进行讨论。在此,筛查乳腺X线摄影被共同审阅和讨论,并就因可见异常提示恶性而是否需要进一步检查作出最终决定。为将IBC归类为标准化类别(真间期癌、隐匿性癌、微小征象、假阴性),欧洲指南要求回顾性审阅先评估筛查乳腺X线摄影,再评估诊断性乳腺X线摄影。由于我们无法获取诊断性乳腺X线摄影,这些类别无法使用。简化分类足以回答我们的研究问题,即区分“无回顾性异常的IBC”和“潜在漏诊的IBC”(若共识会议建议进一步检查)。

统计分析

一张描述性表格概述了患者、MSP、AI系统输出和癌症特征,按“无回顾性异常的IBC”和“潜在漏诊的IBC”亚组进行分层。酌情使用方差分析和Student t检验,突出显示亚组之间患者层面变量(包括肿瘤特征)差异的显著性。图表可视化两个亚组的病例评分和风险分类分布,并额外按乳腺密度分层。散点图在图中展示两个关键AI输出,并附加信息说明这些IBC病例是否已在共识会议上讨论。折线图和相应的敏感性表格强调基于各自AI病例评分阈值/在各自风险类别内会被归类为异常的IBC病例比例。结果在95%置信水平下被认为显著。所有统计分析均在Stata 18.5中进行[27]。

结果

表1显示,浸润性乳腺癌(IBC)女性的平均年龄为57.3岁(标准差(SD):5.4),出生于瑞士(73.1%;n = 87),来自圣加仑州(80.7%;n = 96),并且乳腺密度高(BI-RADS c/d:63.0%;n = 75)。放射科医生对筛查 mammograms 的回顾性复核结果显示,68.9%(n = 82)的IBC在回顾性分析中未见异常,31.1%(n = 37)为可能漏诊的IBC。两个亚组之间所评估的患者特征无显著差异。与回顾性分析中未见异常的IBC相比,可能漏诊的IBC在既往MSP期间接受的放射科医生复核显著更多(BI-RADS 3-5:62.2% vs. 8.5%),在回顾性评估中亦如此(BI-RADS 3-5:100% vs. 51.2%;p < 0.05)。在既往筛查期间,40.5%(n = 15)的可能漏诊IBC(相较于1.2%的回顾性分析未见异常的IBC)接受了进一步检查(包括部分活检)。回顾性评估建议对所有可能漏诊的IBC病例进行进一步检查。

与代表性非癌症参照组及本研究的正常 mammograms 相比,AI系统对IBC筛查 mammograms 的病例评分显著更高(见图2a)。与回顾性分析未见异常的IBC相比,可能漏诊的IBC获得的病例评分显著更高(平均病例评分:54.1(5.2)vs. 23.1(2.6);p < 0.05;表1)。按女性乳腺密度检查IBC mammograms 时,明显可见低乳腺密度的病例评分更高,尤其是低乳腺密度的可能漏诊IBC(见图2b、c)。此外,与一般参照组相比,AI系统将IBC筛查 mammograms 归入更高的风险类别(见图2d)。与回顾性分析未见异常的IBC相比,可能漏诊的IBC被归入显著更高的风险类别(高风险类别:48.7% vs. 14.6%;p < 0.05;表1)。

病例评分和风险评分的联合分布(见图3a)突出显示,许多IBC病例处于低至中等病例评分和风险评分区域,并显示病例评分与风险评分之间存在明显关联,但有一些例外。所有IBC中46.2%的病例评分高于25,25.2%高于50,13.4%高于75(表2)。图3b概述了两个亚组的病例评分和风险评分分布,明显可见许多回顾性分析未见异常的IBC病例评分和风险评分非常低,而可能漏诊的IBC则从低到高广泛分布于病例评分和风险评分范围内。73.0%的可能漏诊IBC(相较于34.1%的回顾性分析未见异常的IBC)病例评分高于25,51.4%(相较于13.4%)高于50,29.7%(相较于6.1%)高于75。此外,图3c按亚组直观突出显示了个体IBC病例是否在既往MSP期间的共识会议上被讨论过。此处可见,有相当数量的回顾性分析未见异常的IBC以及可能漏诊的IBC具有高病例评分/风险评分,但此前未在共识会议上被讨论过。具体而言,所有IBC中54.8%(可能漏诊IBC 60.9% vs. 回顾性分析未见异常的IBC 37.5%)病例评分高于50,并已在MSP期间的共识会议上被讨论;同样,所有IBC中22.6%(39.1% vs. 0%)病例评分高于75并已被讨论(表2)。

表1 患者和肿瘤特征 查看原表 ↗
图2 a 病例评分的相对分布。非癌症参考组来源:iCAD公司2023 [24]。b 病例评分的相对分布:低乳腺密度亚组。c 病例评分的相对分布:高乳腺密度亚组。d 风险类别的相对分布。一般参考组来源:Eriksson等 [12];一般参考组包括来自代表性瑞典筛查人群的正常、筛查检出和间期乳腺癌筛查乳腺X线摄影 查看原图 ↗
图3 a 所有IBC病例的病例评分和风险评分分布。b 按亚组分层的病例评分和风险评分分布。c 按亚组和共识会议分层的病例评分和风险评分分布 查看原图 ↗
表2 各病例评分阈值下的累积IBC病例数 查看原表 ↗

讨论

我们的研究旨在评估AI系统能否在IBC筛查乳腺X线摄影中识别BC征象,从而减少MSP中的IBC数量。因此,我们使用回顾性放射科医师审阅和AI系统对2010年至2019年瑞士MSP“donna”的IBC病例进行了回顾性分析。在审阅研究人群的IBC特征时,我们发现其与既往研究一致(例如高乳腺密度)[5, 6, 28]。值得注意的是,放射科医师在此前筛查中已观察到26.1%的IBC存在异常,在共识会议上讨论了这些病例,并最终对13.5%的IBC进行了进一步检查但未检出BC。相比之下,在MSP“donna”的筛查常规中,通常仅约10%的病例会在共识会议上讨论。同样,其他国际研究也发现IBC的共识会议讨论率较高[29–31]。放射科医师的回顾性评估结果显示,68.9%的IBC无回顾性异常,31.1%为潜在漏诊IBC。其他研究得出约30%漏诊IBC的相似比例,但回顾性分类为漏诊的IBC具体比例显著取决于审阅方法(例如盲法审阅与完全知情审阅)[32, 33]。

所有IBC病例的病例评分分布表明,AI系统在相当一部分IBC筛查乳腺X线片中识别出了异常。具体而言,AI系统对可能被漏诊的IBC赋予了总体较高的病例评分(51.4%的病例评分高于50),放射科医生回顾性阅片时也在这些病例中观察到了异常。可能被漏诊的IBC获得较高病例评分,凸显了放射科医生与AI系统在筛查乳腺X线片中均检出异常的高度一致性,尽管这些病例并未在MSP中被发现。此外,AI系统还识别出了相当一部分回顾性阅片未见异常的IBC(13.4%的病例评分高于50),这些病例放射科医生未发现异常,表明其具有补充价值。在实践中,AI系统近期已作为MSP“donna”的第三阅片者引入,病例评分阈值为55,高于该阈值的所有病例均会在共识会议上讨论(基于当地历史数据,共识会议最多讨论全部MSP病例的15%)。将病例评分阈值55应用于我们的IBC人群时,22.7%的IBC病例被AI系统标记,其中51.6%的病例在此前筛查期间未在共识会议上讨论。因此,现在将有11.7%的IBC病例额外在共识会议上讨论。

尽管目前证据有限,但瑞典的一项回顾性研究得出结论,其AI系统(Transpara)可能帮助放射科医生在筛查中检出多达19.3%的IBC,这些病例的乳腺X线片至少显示轻微恶性征象[6]。丹麦的一项研究在MSP内测试了AI系统(Lunit)的不同部署场景,并得出结论:在评估筛查检出和IBC筛查乳腺X线片时,基于分诊的方法提供了最佳的性能指标(如准确性、工作量)[34]。取决于部署场景,分别有13.3%(分诊)至19.5%(替代一名放射科医生)的IBC病例会被相应的AI系统标记。因此,我们中有25.2%的IBC病例评分高于50,这与上述研究结果一致,且处于较高端,主要驱动因素是被可能漏诊的IBC,其病例评分总体高得多(见图4)。

对风险评分/风险类别的评估得出了相似的发现(见表3)。相对于具有代表性的瑞典筛查人群,患有间期乳腺癌(IBC)的女性被AI系统归入的风险类别要高得多(高风险类别中为25.6% vs. 9%)[12]。当将可能被漏诊的IBC与无回顾性异常的IBC进行比较时,AI为可能被漏诊的IBC分配了显著更高的风险类别(高风险类别中为51.4% vs. 14.6%),这与放射科医生对这些乳腺X线摄影中异常的回顾性发现一致。一项先前的研究发现,与我们研究中相同的AI系统及其风险预测组件可以在6%的高风险女性中预测约30%的2期及以上乳腺癌(BC),而这些女性在乳腺筛查计划(MSP)期间未检出BC [12]。在我们的所有IBC中,有25.6%被归类为高风险(这些后来诊断的IBC涵盖所有分期),这一数字在方向上与上述发现一致。另一项研究由放射科医生和另一个不同的AI系统(Transpara)对筛查乳腺X线摄影进行了回顾性审阅,发现33%的IBC被归类为“真阴性”,且被赋予了最高的AI风险评分 [6]。此外,一项研究采用AI系统分析正常/阴性MSP乳腺X线摄影以评估BC风险。风险最高的患者接受了额外的磁共振成像(MRI)检查,与传统的密度测量和风险模型相比,癌症检出效率显著更高 [35]。

对AI信息和放射科医生评估的联合分析表明,有许多IBC病例中,AI系统和放射科医生均未能在筛查乳腺X线摄影中找到BC的证据。然而,它也强调了许多IBC筛查乳腺X线摄影中,两个AI系统的输出(中至高病例评分和风险评分)均标记了异常/提示了风险。此外,还有一些IBC仅有中至高病例评分(但风险类别为低至中),或仅有中至高风险类别(但病例评分为低至中)。因此,综合考虑两个AI系统的信息是有价值的。

图4 病例评分超过特定阈值的IBC病例比例 查看原图 ↗
表3 各风险类别的IBC病例 查看原表 ↗

局限性

我们的回顾性研究设计本质上限制了得出因果结论的能力,并强调需要进行前瞻性研究。尤其重要的是评估放射科医生在共识会议中如何利用AI信息——当他们未在乳腺X线摄影中看到任何异常,且需要决定是否/应进行哪些进一步检查(例如MRI、超声或对比增强乳腺X线摄影)时。此外,在没有诊断性乳腺X线摄影或所诊断BC的详细位置的情况下,我们无法评估AI标记的病灶是否与后来检测到的BC相对应。

未来的研究需要纳入具有代表性的大样本乳腺X线摄影(即筛查检出的BC、IBC、正常乳腺X线摄影),以验证AI系统的敏感性和特异性。这对于确定具有实际相关性的AI病例/风险评分阈值很重要,因为只有完全具有代表性的样本才能确保这些阈值与整体优化挑战相一致(即在筛查中识别尽可能多的BC病例,同时避免共识会议的过度病例负荷/最终降低筛查效率)。

结论

我们的研究强调,人工智能系统能够在当代间期乳腺癌(IBC)筛查乳腺X线摄影的相关区域识别乳腺癌(BC)征象,从而有望减少目前未使用人工智能系统的乳腺筛查项目(MSP)中的IBC数量。该系统能够识别大多数回顾性可见但在此前筛查(无人工智能支持)中被放射科医师漏诊的IBC病例,从而发挥防范人为差错的安全网作用。此外,它还能识别部分人类肉眼不可见的IBC(即回顾性无异常的IBC)。可避免的IBC病例的具体比例取决于所选择的病例评分和/或相应的风险分类阈值,即病例被标记的阈值。总体而言,我们的研究证明了另一种人工智能系统在新的人群——瑞士——中的潜在积极影响。仍需进一步开展前瞻性研究,评估人工智能信息如何被用于最终诊断BC,尤其是当人类未观察到任何异常时。

引用

  1. Subelack J, Morant R, Blum M, et al. Retrospective evaluation of interval breast cancer screening mammograms by radiologists and AI. Eur Radiol. 2025. PMID: 40760115. doi:10.1007/s00330-025-11833-5
  2. 全文:PMC12953258(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12953258/

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。