文献速递乳腺乳腺X线

在乳腺癌筛查中寻找最佳召回率:ROCS研究结果

Finding the optimal recall rate in breast cancer screening: results from the ROCS study.
PubMed 文献 · Eur Radiol · 2026-03-05

该前瞻性队列研究于2019年3月至6月纳入荷兰乳腺癌筛查项目的21名筛查放射科医师和40,829份筛查记录,通过连续恶性概率(PoM)评分构建召回-检出曲线和ROC曲线。结果显示总体召回率2.33%,双读后癌症检出率6.4/1000,AUC为0.91,当前工作点似乎优化了假阳性召回与癌症检出之间的权衡。

要点

  • 荷兰筛查放射科医师整体诊断准确性高,AUC为0.91。
  • 当前异常判读率2.26%位于召回-检出曲线高曲率末端,降低召回率会大幅降低癌症检出。
  • 异常判读率增加0.5%预测癌症检出增加0.14/1000,降低0.5%则减少0.27/1000。

核心结论

  • 荷兰筛查放射科医师表现水平高,当前工作点似乎优化了假阳性召回与癌症检出率之间的权衡。
  • 降低异常判读率会大幅降低癌症检出,而增加异常判读率的获益较小。
  • 作者认为荷兰筛查当前目标值(<2.5%)不需要修订,但最佳召回率范围是政策问题,应基于具体筛查项目中的召回-检出权衡来确定。

研究设计与样本

  • 前瞻性队列研究,数据收集于荷兰乳腺癌筛查项目。
  • 2019年3月至6月,来自15个国家阅片单位中5个单位的21名筛查放射科医师参与,在标准阅片过程中提供连续PoM评分。
  • 最终数据集包含40,829份筛查记录(来自32,980名筛查参与者),其中315份癌症诊断记录来自256名在基线筛查后两年内诊断为乳腺癌的参与者。
  • 2024年6月获取随访数据,包括双读后召回决定、进一步评估结果(假阳性召回或筛查检出癌症)及间期癌症诊断。
  • 参考标准为筛查后两年内的癌症诊断(包括筛查检出和间期癌症);采用分层自举法(1000次重采样)计算95%置信区间。

诊断标准与关键数值

  • PoM评分范围为-100(无怀疑)至100(最高怀疑),召回建议对应PoM评分>0。
  • 总体异常判读率为2.26%(921/40,829),异常检出率为5.8/1000。
  • 双读后总体召回率为2.33%(769/32,980),筛查检出癌症210例,检出率为6.4/1000。
  • ROC曲线AUC为0.91。
  • 异常判读率增加0.5%预测癌症检出增加0.14/1000;降低0.5%则减少0.27/1000;增加1%则增加0.29/1000;降低1%则减少0.65/1000。

临床应用与阅片要点

  • 作者认为荷兰筛查当前目标值(<2.5%)不需要修订。
  • 作者认为可考虑将个体召回率进一步增加最多0.5%,但需考虑这样做增加的假阳性比例仍高于癌症检出获益。
  • 作者指出最佳召回率范围是政策问题,应基于具体筛查项目中的召回-检出权衡来确定;荷兰设置的召回率可能不适用于其他设置。
  • 作者指出ROCS研究方法适用于在各种背景下评估癌症检出-召回权衡,包括荷兰乳腺癌筛查项目以外。

局限性

  • 尽管指示放射科医师仅对初始第一和第二阅片评分,但不能排除部分医师在共识过程中仍给出了PoM评分。
  • 评分需在单独平板电脑上给出而非直接录入召回建议系统,有时无法看到ID,这些病例不得不被排除。
  • 由于隐私原因,未披露筛查参与者的年龄等个人数据。
  • 结果不能直接推广到其他设置,因为癌症检出与召回率的平衡受乳腺癌基础发病率、筛查间隔、筛查检查质量、初筛与后续筛查比例及筛查放射科医师培训等多种因素影响。
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. 2026 Mar 5;36(7):5595–603. doi: 10.1007/s00330-026-12370-5

引言

已知乳腺X线摄影筛查可降低乳腺癌死亡率[1]。然而,这是有代价的,因为筛查的危害包括假阳性召回[2]。为使筛查净获益最大化,重要的是在筛查检出癌症数量与假阳性召回之间找到最佳平衡。

如果召回了正确的筛查参与者,召回更多筛查参与者应当带来更高的癌症检出率。这可以通过降低召回阈值来实现,即召回乳腺X线特征可疑程度较低的病例。然而,这也不可避免地导致更多假阳性召回。假阳性召回与焦虑增加和医疗费用升高相关,并可能使女性不愿参加后续筛查轮次[3–5]。

为发现一例额外癌症而被认为可接受的假阳性召回数量因人而异,这反映在国际范围内召回率的巨大差异上[6]。传统上,荷兰的召回率非常低[7]。2005年,Otten及其同事的一项模拟研究评估了荷兰筛查中癌症检出与假阳性之间的平衡,旨在优化召回[8]。Otten研究显示,在当时,通过增加召回可以获得相当数量的筛查检出癌症,而假阳性召回的增加将有限。然而,如果召回率增加过多,获益将趋于平缓,平衡将变得不那么有利。基于该研究,荷兰筛查放射科医生被建议将召回率从1%提高至约2%。

自这项先前研究以来,乳腺癌筛查中引入了可能影响假阳性与癌症检出之间平衡的变化。引起相关变化的一个转变例子是从胶片-屏幕乳腺X线摄影向数字乳腺X线摄影的转变[9, 10]。此外,Otten及其同事的研究存在若干局限性[8]。回顾性设计和实验室环境提出了其结果在多大程度上适用于真实筛查实践的问题。因此,一项新的前瞻性研究——筛查中乳腺癌的召回与检出(ROCS)研究[11]于2019年启动。该研究基于全视野数字乳腺X线摄影,不同于Otten及其同事研究中的胶片-屏幕乳腺X线摄影[8]。ROCS探讨了荷兰乳腺癌筛查项目中乳腺癌检出与假阳性率之间的关系,旨在确定最佳召回率。为ROCS开发的数据采集方法允许以一种微创且廉价的方式评估实践中的筛查性能,并可应用于其他筛查项目。

材料与方法

研究设计

这是一项前瞻性队列研究,数据在荷兰乳腺癌筛查项目内收集。在该项目中,筛查参与者自动同意将其数据用于研究目的,除非他们选择退出。当地伦理委员会Radboud大学医学中心(CMO Radboudumc;文件编号:2018-4991,2019年2月13日收到确认)豁免了伦理审批。本研究报告遵循加强流行病学观察性研究报告(STROBE)声明。

研究环境

在荷兰,年龄在50至75岁之间的女性被邀请参加全视野数字乳腺X线摄影筛查,该筛查由单一的国家筛查组织实施。预定的筛查间隔为两年。所有筛查检查均进行双读。在出现不一致时,第二阅片者在对第一阅片者决定知情的情况下重新阅读筛查检查,第一和第二阅片者尝试达成共识,或者将检查发送给独立的第三阅片者(仲裁)。

数据收集

2019年3月至6月,21名筛查放射科医生(15个国家阅片单位中的5个)参与了ROCS。他们在标准阅片过程中进行常规的个体筛查评估。此外,在本研究的背景下,他们还为每项检查给出了恶性概率(PoM)评分。此前已对此进行详细描述[11]。简言之,放射科医生在平板电脑上看到一个连续量表,范围从“无怀疑”(量表左侧绿色区域,PoM = −100)到“最高怀疑”(量表右侧红色区域,PoM = 100)。该量表基于先前的工作[12]。PoM评分并不直接表明癌症诊断的可能性,而是可用于将检查从恶性怀疑低到高进行排序。放射科医生可以通过在量表上滑动到所需位置来提供PoM评分。当放射科医生滑动时,平板电脑自动拍摄阅片工作站上出现的假名化ID的照片,筛查组织可将其与筛查参与者相关联。

放射科医生被指示使用完整量表,并确保召回建议导致PoM评分高于0。此外,放射科医生被要求仅对他们作为第一或第二阅片者的筛查检查进行评分(即不进行仲裁阅片)。每项筛查检查作为一个整体进行评分,每位放射科医生对每项筛查检查产生一个PoM评分。如果放射科医生希望修改他们的评分,例如在犯错之后,他们可以再次滑动,对于这些连续重复评分,仅每位放射科医生对每项筛查检查给出的最后一个评分将用于分析。此外,如果一项筛查检查的第一和第二阅片者都参与了我们的研究,则两个PoM评分均纳入我们的最终数据库。因此,在我们的分析中,每位放射科医生对每项筛查检查最终最多有一个PoM评分,每项筛查检查来自不同放射科医生的PoM评分最多有两个。

基线数据收集完成后,图片中可见的假名化ID被手动录入并双重核对。随后,这些编号通过筛查机构的数据进行验证,并更正了排版错误。2024年6月,筛查机构提供了与这些检查相关的随访数据。随访数据包括放射科医生的个人召回建议、参与者在双读后是否被召回、进一步诊断评估后的结论(假阳性召回或筛查发现的癌症)以及间期癌症诊断。在少数情况下,筛查机构无法共享随访数据。这种情况发生在ROCS系统相机拍摄的病例ID存在技术问题、放射科医生在筛查检查中担任第三读片人、或参与者选择退出数据共享时。筛查机构在任何时候都无法获取读片者的PoM评分。

在数据清理过程中,对于筛查机构无法提供随访数据或随访数据不完整的PoM评分予以删除。此外,对于顺序重复评分(即同一筛查放射科医生对同一筛查检查给出的修订PoM评分),删除第一个评分。对于非顺序重复评分,删除最后一个评分,因为这可能是共识读片。最后,删除了两个似乎主要由重复评分组成的读片时段。

统计方法

我们使用术语“异常判读率”和“异常检出率”来指代单读片者结果,这是本研究的重点。性能曲线中的异常判读率基于PoM评分,使用不同的截断点将筛查检查标记为异常。这可以解释为个体召回率。在确定异常检出率时,包括了在异常判读后两年内诊断的所有癌症,无论是筛查发现的还是间期癌症。标准术语“召回率”和“假阳性召回”描述最终筛查结果,涉及双读片判读及任何共识或仲裁步骤。

本研究预设的主要终点是估计单读片者筛查判读中异常判读率与癌症检出率之间的平均权衡曲线。20名读片者和每名读片者2000例的目标样本量由研究前功效计算确定[11]。此处还报告了一些额外的次要终点:从筛查机构数据中观察到的操作点、比较假阳性率与灵敏度的受试者工作特征(ROC)曲线及其曲线下面积(AUC),以及异常癌症检出率随异常判读率变化的估计值。

采用分层自举法对研究中读者和病例随机抽样产生的不确定性进行建模,以筛查性能估计值的95%置信区间和估计曲线的95%逐点置信带形式报告。自举程序包括对读者进行初始重抽样,随后对嵌套于每位读者内的病例进行独立重抽样。请注意,异常癌症检出率差异作为异常判读率差异函数的比较是在读者内基础上进行的,因此该曲线未进行读者重抽样。

结果

初始数据包括来自21名读者在198个判读会话中的42,229个PoM评分和个体筛查评估记录(图1)。每位放射科医师纳入的判读会话数量从5到14不等,中位数为10。初步排除(无随访数据可用)从数据集中移除了329条记录,剩余总计41,900条记录。随后的数据清理排除了1071条记录,最终总计40,829条记录,基于32,980名筛查参与者的检查。因此,7,849次筛查检查在最终数据集中出现两次,因为第一和第二读者均评估了同一检查并作为本研究的一部分提供了PoM评分。总计有315条癌症诊断记录,来源于256名在基线筛查检查后两年内被诊断为乳腺癌的参与者。表1A总结了ROCS数据的规模和癌症率。

图1 应用于原始ROCS数据的排除流程。初步排除为筛查机构无法提供随访数据的记录。在后续排除的每一步中,给出了从最终数据集中消除的记录数、确诊癌症数和唯一参与者ID数 查看原图 ↗
表1 ROCS数据概览 查看原表 ↗

基于筛查数据的总体判读性能

如表1B所示,ROCS数据集中40,829次个体筛查评估中有921次涉及异常判读(即个体筛查放射科医师给出了召回建议)。这导致异常判读率为2.26%。在这些异常判读中,236条记录涉及乳腺癌,导致异常检出率为每1000次判读5.8例。需要注意的是,这些并非全部为筛查发现的癌症。有两次异常判读在共识后未导致召回决定,但随后在2年筛查间期内被诊断。

双读后,32,980名筛查参与者中有769名最终被召回,总体召回率为2.33%。有210例筛查发现的癌症,相当于检出率为每1000人6.4例。

PoM评分分布

图2显示了所有PoM评分(n = 40,829)在可能评分全范围(−100至100)内的频率,按癌症和非癌症病例细分。非癌症和癌症病例均在整个范围内被赋予评分。然而,非癌症病例严重偏向负分,癌症病例适度偏向正分。

图2 PoM评分直方图。癌症和非癌症病例的汇总响应绘制在可能的PoM值范围(−100至100)上。中点(灰线)表示异常判读的阈值。计数为0的评分未绘制。负响应中的凹陷提示在该值附近存在一定的回避。非癌症病例的响应严重偏向负PoM评分,而癌症病例的响应中度偏向正PoM评分 查看原图 ↗

性能曲线

图3A显示了癌症检出率对异常判读率的作图。最初,在异常判读率介于0%和2%之间时,随着异常判读率增加,癌症检出率强烈上升。在异常判读率介于2%和3%之间时,癌症检出的增加趋于平缓。这也是平均放射科医师目前工作点所在的位置,其异常判读率为2.26%。补充图1显示了异常判读-检出图的曲率(图3A),这进一步表明放射科医师的工作点正好位于高负曲率区域的末端。

ROC曲线(图3B)显示放射科医师能够区分癌症病例和非癌症病例,AUC为0.91。与前一图类似,当前工作点位于强曲率点。

由异常判读率的诱导变化引起的癌症检出率预测变化见图4。零点代表当前平均异常判读率和癌症检出率。异常判读率增加0.5%预计将使每1000次筛查检查的癌症检出增加0.14。相比之下,与工作点相比异常判读率降低0.5%将导致癌症检出更大幅度的下降,即每1000次筛查检查减少0.27。此外,异常判读率增加1%可使癌症检出额外增加0.29/1000(与基线相比),而降低1%则导致癌症检出减少0.65/1000。

图3 性能曲线。无条件性能曲线(A 异常判读率和癌症检出率)和条件性能曲线(B 真阳性率和假阳性率)的图。图例适用于两幅图。工作点由筛查数据定义。置信带和区间表示由病例的1000次bootstrap重抽样得出的95%区间。ROC曲线中的插图显示了工作点附近曲线的放大视图。在两幅图中,当异常判读率和假阳性率低于工作点时,癌症检出率和真阳性率均迅速下降。请注意,插图中的坐标轴比例不同 查看原图 ↗
图4 性能权衡。该图显示了异常判读率诱导变化的预测效应。95%置信带由跨病例的1000次bootstrap重抽样得出 查看原图 ↗

讨论

这是首个利用真实筛查实践数据开展的大型前瞻性研究,旨在评估荷兰乳腺癌筛查项目中癌症检出与假阳性之间的平衡。本研究表明,筛查放射科医师总体表现良好,AUC为0.91。结果进一步显示,荷兰筛查放射科医师的异常判读率为2.26%,目前其工作点刚好位于将癌症检出率对异常判读率作图时的高曲率点区域之上(见补充图1)。这提示,降低异常判读率、从而减少召回建议数量,可能会大幅降低癌症检出。例如,若异常判读率下降1%,则检出率每1000人下降0.65。相反,将异常判读率提高最多1%可能改善癌症检出,但改善幅度较小(每1000人0.29)。

本研究中将癌症检出对异常判读率作图的曲线,与既往Otten研究调查荷兰筛查性能所发现的曲线相似[8]。值得注意的是,在两项研究中,曲线均在召回率或异常判读率介于2%与3%之间时趋于平缓。尽管两项研究相隔超过25年,并且在背景乳腺癌发病率、乳腺X线摄影设备(胶片-屏幕 vs 数字)、回顾性(既往研究) vs 前瞻性(当前研究)设计,以及实验室环境(既往研究) vs 筛查实践(当前研究)方面存在显著差异。

在当前荷兰乳腺癌筛查项目中,总体召回率的目标值为< 2.5%[13],这主要基于Otten等人的研究建议[8]。该建议旨在通过将既往1%的召回率提高来改善癌症检出。我们研究中观察到的异常判读率(2.29%)和双读后召回率(2.32%)均达到该目标值。可考虑将个体召回率进一步提高最多0.5%。然而,必须考虑到,这仍然会按比例增加更多假阳性,超过在癌症检出方面所获得的收益。此外,始终存在这样的风险:放射科医师在降低召回阈值方面走得过远,最终导致召回率高于期望值。

癌症检出率与召回率之间的平衡可能受到许多不同因素的影响,例如潜在的乳腺癌发病率、筛查间隔、筛查检查质量、初筛与后续筛查的构成比例以及筛查放射科医师的培训。这意味着其结果不能直接推广到其他环境。例如,美国的乳腺癌筛查与荷兰的筛查差异很大。在两项美国研究中,确定了高得多的召回率最佳范围,即12%–14% [14]和7%–9% [15]。此外,后一篇发表立即引来回应,提到某一特定美国中心的最佳召回率为3%–4%,强调这高度依赖于具体环境 [16]。一项来自英国的研究中乳腺癌筛查间隔为3年,该研究提示初筛的最佳召回率在4.6%至7%之间,而后续筛查在2.6%至4%之间 [17]。这与当前英国指南一致,即初筛和后续筛查检查的“可达到水平”分别为低于7%和低于3% [18]。然而,这些研究均未在实际筛查条件下前瞻性地推导最佳召回率。因此,在其他筛查项目中重复ROCS研究设计以评估其召回-检出权衡可能具有重要意义。

最新的欧洲指南(来自2006年)提出了目标值,将初筛和后续筛查检查的召回率分别规定为低于5%和低于3%作为“理想标准” [19]。然而,这些目标值可能已经过时,因为它们几乎是20年前、在数字乳腺X线摄影引入之前制定的。较新的欧洲乳腺癌委员会倡议指南未提供召回率的目标值 [20]。此外,一项基于2013年至2017年数据的欧洲项目比较研究显示,欧洲各地的筛查指标存在很大差异 [6]。未经调整的阳性率与召回率相似,初筛为2.9%至19.8%,后续筛查为1.4%至9.6%。即使在校正了年龄、筛查间隔和初筛/后续筛查比例等相关因素后,仍存在显著差异。据作者称,背景乳腺癌风险和筛查方案的差异可能导致了这种变异。这表明即使在相对可比的筛查项目中,例如欧洲范围内的项目,这些不同指标之间的平衡也可能非常不同。因此,必须针对每个环境分别确定最佳召回率。此外,如果筛查项目内部发生变化,例如未来可能引入人工智能作为检测辅助或分诊工具,这种平衡也需要重新评估。以这种方式使用时,人工智能有潜力进一步改善整体筛查性能 [21],这可能导致不同的召回-检出权衡。

我们的研究存在一些局限性。尽管已指示放射科医师仅对最初的第一阅片和第二阅片进行评分,但不能排除部分放射科医师在共识过程中仍给出了PoM评分。然而,鉴于平均不一致率约为2%,即使将所有不一致阅片均纳入这一极不可能发生的情况考虑在内,也仅涉及少数病例。此外,我们能够将仲裁阅片从数据集中排除。此外,评分必须在单独的平板电脑上给出,而不是在录入召回建议的系统内进行。借助录入PoM评分时的自动拍照,可以将正确的ID与评分关联起来。然而,有时仍没有可见的ID,这些病例不得不被排除。将评分直接录入系统本可以降低数据处理的工作量并减少错误。尽管如此,之所以采用这一变通方法,是因为无法修改阅片工作站。此外,出于隐私原因,筛查检查未披露参与者的年龄等个人数据。

如ROCS研究所评估的那样,荷兰筛查放射科医师表现出了高准确性(AUC = 0.91),并在适当的召回-检出权衡点运行,提示荷兰筛查项目内当前的目标值(< 2.5%)无需修订。最终,设定召回率的最佳范围是一个政策问题,应基于对特定项目内召回率与检出率之间权衡关系的理解来制定。适合荷兰情况的召回率可能不适合其他情况。ROCS研究方法学非常适合作为一种成本效益高的方法,用于评估各种情境下的癌症检出-召回权衡,包括荷兰乳腺癌筛查项目之外的情境。

补充信息

补充信息

引用

  1. van der Waal D, Abbey CK, Tetteroo E, et al. Finding the optimal recall rate in breast cancer screening: results from the ROCS study. Eur Radiol. 2026. PMID: 41781728. doi:10.1007/s00330-026-12370-5
  2. 全文:PMC13282243(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13282243/

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。