文献速递乳腺乳腺X线

优化乳腺X线筛查中AI辅助决策:聚焦不确定性

Optimizing AI-assisted decision-making in mammography screening: focusing on uncertainties.
PubMed 文献 · Insights Imaging · 2026-10-13

该回顾性多中心研究基于130,838例乳腺X线图像评估AI决策支持系统,发现AI辅助可显著提升诊断性能,联合场景下AUC从83.04%升至88.40%,敏感度从54.8%升至83.9%,特异度从83.6%升至91.1%,并有助于经验较少的放射科医生。

要点

  • AI辅助联合场景可显著提高乳腺X线筛查的敏感度和特异度。
  • AI对经验较少的放射科医生帮助更大,有助于资源有限地区。
  • 多分辨率分割模型能有效检测钙化和困难病灶。

核心结论

  • AI辅助乳腺X线解读可提高诊断准确性、减少不确定性,支持早期乳腺癌检测和优化筛查流程。

研究设计与样本

  • 回顾性多中心研究,纳入130,838例乳腺X线图像(35,709例患者),使用DDSM进行外部验证,以病理和随访为参考标准。

关键影像表现/征象

  • AI可视化界面以彩色ROI覆盖层标记病灶候选,并显示全局恶性风险评分(0–100)。
  • 多分辨率分割模型有效检测钙化和挑战性病灶,钙化分割模型病灶捕获率92.99%,假阳性率0.1/图像。

诊断标准与关键数值

  • 联合场景下汇总读者AUC为88.40%(95%CI 85.6–91.2),敏感度83.9%(95%CI 79.3–88.4),特异度91.1%(95%CI 89.8–92.4)。
  • 无辅助时汇总读者AUC为83.04%(95%CI 79.8–86.3),敏感度54.8%(95%CI 48.6–61.0),特异度83.6%(95%CI 82.0–85.3)。
  • 风险模型以阈值65将AI风险评分二分类,阈值由验证集Youden J统计量确定。
  • 风险模型与病理/随访比:敏感度82%(95%CI 78.5–85.5),特异度74%(95%CI 72.9–75.1),AUC 88%(95%CI 85.9–90.1)。
  • 风险模型与专家活检召回比:敏感度91.98%(95%CI 90.1–93.8),特异度73.73%(95%CI 72.6–74.8),AUC 92%(95%CI 90.7–93.3)。

临床应用与阅片要点

  • AI辅助可减少不必要的召回和假阳性,支持更自信和高效的临床决策。
  • 对经验较少的放射科医生,AI辅助有助于提高早期癌症检测能力。
全文中译21 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. 2026 Oct 13;17:252. doi: 10.1186/s13244-026-02411-4

引言

乳腺癌是女性癌症相关死亡最常见的原因,每8名女性中有1人受累,2020年造成165亿美元的经济负担[1, 2]。尽管生存率较高(早期诊断后5年生存率为80–90%),但乳腺癌病例数仍在上升,预计到2030年70%的增长将发生在低收入和中等收入国家[3, 4]。为支持及时检出,世界卫生组织(WHO)推荐乳腺X线摄影筛查项目[5]。这些项目虽被广泛采用,但在方法(如美国单读 vs. 欧洲双读)、起始年龄(40–50岁)和筛查间隔(每年至每三年一次)方面存在差异[6–9]。乳腺X线摄影作为主要影像工具,因假阳性、过度诊断和间期癌而面临成本效益挑战[10, 11]。放射科医生和放射技师的日益增加的工作负荷压力和人员短缺促使人们探索替代策略,如计算机辅助检测(CAD),以提高效率并维持乳腺癌筛查项目[12, 13]。

已有超过五种乳腺X线摄影判读算法获得FDA批准,主要作为临床决策支持工具以提高诊断准确性和效率[14]。基于机器学习的CAD系统已显示出与人类专家相当或更优的性能,可针对标准二维乳腺X线摄影视图(包括内外斜位和头尾位图像)提供独立的病例级输出[13, 15]。这些算法用于独立CAD以实现自动判读、CADx以支持临床决策,以及CADt在高灵敏度设置下对高风险病例进行优先排序[16]。这些进展可能通过提高诊断精度、优化资源分配以及应对放射科医生短缺和工作量增长等挑战来革新乳腺癌筛查。

关于传统乳腺X线摄影CAD系统的研究显示,诊断性能改善有限,灵敏度与双读相似但召回率更高,引发了对其成本效益的担忧[17, 18]。这些系统受限于高假阳性率、可重复性不一致、判读时间长以及偏向钙化而非软组织异常和结构扭曲的检测偏倚[19, 20]。这些局限性源于依赖从人工标注中提取的手工特征,限制了适应性和精确性。然而,将其整合到临床工作流程中很复杂,因为它们必须达到“临床相关阈值”而不增加召回率,这可能会给资源带来压力,并需要人工监督来管理特异性[14, 21]。尽管这些进展前景可观,但仍需进一步研究以确定其临床效用并优化实施。

本研究开发了一种先进的AI模型,使用UNet风格神经网络进行病灶检测,并使用风险评估模型协助放射科医生进行乳腺X线摄影判读。该模型在乳腺X线摄影数据集上进行训练,用于病灶分割和风险评估,研究评估了CAD系统整合到临床工作流程中的情况,同时解决了诊断不确定性问题。

材料与方法

研究设计

本回顾性队列研究经德黑兰医科大学伦理委员会批准(IR.TUMS.IKHC.REC.1399.255),并按照《赫尔辛基宣言》进行。所有患者此前均已提供书面知情同意,同意将其数据匿名化用于研究;因此,无需额外获取同意。CLAIM检查清单指南见补充表S10。

本研究旨在开发一种先进的人工智能超级模型,通过识别和分析病灶(包括宏观尺度病灶和钙化)并为每张图像分配风险评分,协助放射科医师解读乳腺X线摄影图像。从伊朗多家学术医院、私立医院及放射学中心收集了包含130,838张高质量筛查乳腺X线摄影图像的综合数据集,随访数据完整,时间跨度为2009年5月至2020年12月。所有图像均为使用Hologic、Fujifilm和Payamed设备采集的全视野数字乳腺X线摄影(FFDM)图像。本研究代表了迄今为止中东地区该领域最大的数据集之一,为评估模型在代表性不足人群中泛化能力提供了宝贵基础。为在不同应用场景下评估模型(如图1所示),将CBIS-DDSM数据集[22, 23](筛查乳腺X线摄影数字数据库(DDSM)[24, 25]的精选版本)作为外部队列纳入。该精选数据集包含来自1566名女性的四标准体位乳腺X线摄影图像,其中包括752例经活检证实的恶性和666例经活检证实的良性病例。另有148例根据专家放射科医师评估被标记为良性。值得注意的是,据报道CBIS-DDSM数据集包含经过验证的地面真实标签[22]。正常病例有记录的4年随访,但对于148例无召回良性病例,未报告具体的随访时长[24]。CBIS-DDSM是乳腺X线摄影计算机辅助诊断(CAD)研究中应用最广泛的数据集之一;其使用为本研究提供了稳健的外部验证框架。

内部数据集按70%、15%和15%的比例分为训练集、验证集和测试集,确保乳腺组成和BI-RADS评分的均衡分布。DDSM数据集遵循原始划分。

我们还开展了一项临床研究,以评估使用训练后的人工智能助手解读二维数字乳腺X线摄影图像的有效性。为此,我们从独立测试集中随机选取了600例筛查病例,包括2202张乳腺X线摄影图像。这些病例均经病理学确认,具有至少2年随访,且初始未被专家放射科医师归类为BI-RADS 3。临床研究中纳入的乳腺X线摄影图像数量参照了既往类似研究[26, 27]所使用的数量。重要的是,这些病例均未用于模型开发的训练或验证阶段。最终数据集包含120例阳性检查和480例阴性检查。

四名乳腺X线摄影经验不足6年的初级放射科医师参与了本研究,并在盲法阅片环境中独立判读病例。阅片者1–4的乳腺X线摄影经验分别为4年、3年、5年和2年。每位放射科医师独立判读300例病例,阳性60例、阴性240例的分布相同。阅片者接受了关于AI系统的全面指导。在AI辅助环节中,AI识别病灶、估计其恶性风险,并呈现给放射科医师。图2展示了一个AI输出示例,包括完整的可视化界面。

AI助手以辅助模式使用。在此方法中,每张乳腺X线摄影图像首先由放射科医师判读,并记录其初步判读结果。随后呈现AI助手的输出,允许放射科医师修改其判读。每位阅片者的病例顺序为随机排列。

为遵循放射科医师在临床实践中使用的评分系统,即乳腺影像报告和数据系统(BI-RADS),放射科医师对每侧乳腺赋予BI-RADS评分。尽管专家标记为BI-RADS 3的病例被排除在研究之外,但参与者在不确定恶性时被允许赋予BI-RADS 3或BI-RADS 0。BI-RADS 0在二维乳腺X线摄影中代表“评估不完整”,而BI-RADS 3对应于“可能良性”类别,需要短期随访。他们还被要求使用标准BI-RADS定位描述符确定双侧乳腺的病灶类型及其解剖位置。

图1 将AI整合到筛查工作流程中;将AI系统整合到筛查工作流程的五种场景概述:(1)传统放射科医师评估,(2)辅助判读,允许放射科医师根据AI输入修改评估,(3)AI作为不确定病例的最终决策者,(4)联合场景,结合AI和放射科医师的最高风险预测,(5)AI独立运行 查看原图 ↗
图2 AI可视化界面示例。AI系统通过彩色编码的感兴趣区(ROI)叠加在乳腺X线摄影图像上突出显示候选病灶。图像旁显示全局恶性风险评分(0–100)。放射科医师首先提供无辅助判读;AI叠加图和风险评分仅在随后的AI辅助环节中显示。本示例展示了阅片者研究中使用的视觉格式 查看原图 ↗

数据准备

乳腺X线摄影图像从参与中心的PACS中提取,BI-RADS报告从HIS中检索。该数据集包含来自多台乳腺X线摄影设备的图像,已进行匿名化以保护隐私。两名放射科医师审阅图像以识别并标记病灶。值得注意的是,这两名放射科医师与参与临床研究的四名放射科医师无重叠。

DICOM图像经过一系列预处理步骤:应用来自设备头文件的开窗参数,随后归一化至[0, 1]范围。图像用黑色像素填充使其为正方形,然后调整大小为4096 × 4096以输入超级模型。

模型设计

超级模型设计包含用于病变分割的独立模型,其中使用专门的UNet风格深度神经网络(DNN)对钙化病变进行分割。为准确检测钙化,包括微钙化,输入的乳腺X线摄影图像以4096的高分辨率进行处理。

超级模型使用三个额外的UNet风格DNN在不同分辨率(4096、2048、1024)下分割宏观尺度病变。对于4096分辨率的输入,图像被裁剪为512×512像素的图像块,重叠256像素。这些图像块分别处理,其输出被合并以生成最终的宏观分割结果。

在最后阶段,分割模型的输出与原始图像被合并,并由一个DNN处理,以计算乳腺X线摄影图像的整体风险评分。值得注意的是,所有模型均为2D卷积、批归一化、ReLU激活和跳跃连接[28]、全连接层、Dropout以及LAP[29]层的组合。该架构如图3所示。

图3 超级模型的开发;超级模型中所用架构的示意图,每个架构分别针对特定任务进行训练,以优化乳腺X线摄影解读中的性能 查看原图 ↗

模型训练

超级模型采用逐步方法开发:首先,训练并优化分割模型,然后将其冻结。其输出和嵌入被用作训练风险评估模型的输入,以确保性能稳定并得到提升。

训练分割模型

每个分割模型均使用二元标注的病变掩码作为真实标签进行独立训练。为解决医学图像分割中的类别不平衡问题,使用了逐像素平衡交叉熵损失函数。该损失函数考虑了训练数据中病变像素数(N+)和非病变像素数(N−)。该函数还纳入图像宽度(W)和高度(H),以及每个像素与病变相关的概率(Pijd),并与真实标签(GTijd)进行比较,其中真实标签在病变像素处为1,在非病变像素处为0。

为进一步评估模型,计算每幅图像的病变捕获率(LCR)和假阳性率(FPR)。LCR(灵敏度)用于衡量模型检测病变的能力。同时,每幅图像的FPR反映模型将非病变区域错误分类为病变的倾向,这与模型的特异性呈反向关系。若每个病变与真实标签掩码的交集至少为50%,则被视为真阳性(TP);否则被归类为假阳性(FP)。这些指标共同有助于评估模型在乳腺X线摄影图像中准确检测和定位病变的能力,确保在高病变检出率与最小化假阳性之间取得平衡,以提高模型的整体诊断性能。

本研究聚焦于使用改进的F2指标优化乳腺X线摄影病变检测模型。该指标优先考虑病变捕获率(LCR)而非假阳性率(FPR),以应对数据集中大多数图像不含病变的不平衡问题。该方法确保模型检测尽可能多的病变,同时最小化假阳性。

训练风险评估模型

该风险评估模型旨在将含有恶性病变的图像与不含恶性病变的图像区分开来。理想情况下,训练应使用经病理证实的癌症病例作为阳性样本,良性病例(或具有数年随访记录的病例)作为阴性样本。然而,阳性病例数量有限可能导致过拟合;因此,在训练阶段使用了具有25年以上经验的放射科专家的评估结果作为阳性病例。BI-RADS评分为4、4a、4b、4c、5和6被归类为阳性,而BI-RADS评分为1和2被视为阴性。BI-RADS评分为3和0的病例被排除在训练之外。尽管采用了这一方法——旨在通过纳入更多病例来增强训练——模型最终在仅包含经病理证实的癌症病例和至少随访2年的阴性病例的测试集上进行评估,以确保所报告性能指标的有效性。最终分类器使用平衡交叉熵损失函数进行训练。

我们使用约登J统计量(Youden's J statistic)在验证集上确定将AI风险评分分类为可疑或不可疑的操作截断值。该方法通过最大化灵敏度和特异度之和来选择最优截断值,从而平衡假阳性和假阴性率。最终模型的性能使用灵敏度、特异度和AUC进行评估。由于AUC指标在标签分布方面具有稳健性,因此使用AUC指标来选择最终模型。

优化

所有模型均使用PyTorch框架[30]进行训练,采用Adam[31]优化器,学习率为1E-4,在Quadro 8000 GPU上按批次处理。为提高模型泛化能力并防止过拟合,本研究在训练过程中采用图像增强技术,包括裁剪、翻转和对比度调整。此外,在训练轮次中,每张FFDM图像以原始形式或使用随机线性和对数强度增强的变换版本随机呈现,以生成在视觉上更接近DDSM或数字化CR图像的图像,从而确保最终模型能泛化至标准FFDM和数字化DDSM图像。该方法使模型能够学习对FFDM与数字化胶片乳腺摄影之间图像外观差异具有稳健性的表征,而无需单独预处理或显式的域适应技术。评估了多个具有不同超参数的模型,并选择在验证集上表现最佳的模型作为最终模型。这确保了模型的稳健性并能很好地泛化至新数据。

采用AI辅助系统的不同场景

无辅助:

这是基础场景,其中记录放射科医师在AI解读病例之前的评分,并用于评估其他辅助场景。

AI辅助:

在此场景中,放射科医师在查看AI解读后记录的修订评分被视为最终风险评分。

不确定病例中的AI:

在此场景中,对于放射科医师标记为确定的病例,使用放射科医师在查看AI解读后的评分作为最终评分。在标记为不确定的病例中,使用AI系统的解读作为确定是否存在恶性肿瘤的决定性因素。

联合:

在本共识中,放射科医师或AI助手给出的最严重判定被视为该病例的最终判定。在AI检出病灶而放射科医师标注为BI-RADS 1的情况下,该病灶被认为不具有临床报告意义,最终判定被修正为BI-RADS 1。

统计分析

为评估在各AI辅助判读场景下放射科医师表现改善的统计学显著性,使用配对z检验和t检验计算p值,并与未辅助放射科医师的基线表现进行比较。p < 0.05被认为差异具有统计学显著性。

结果

研究人群

本研究分析了130,838名年龄18–93岁的人群,平均年龄50.4岁(SD = 9.1)。大多数参与者为女性(n = 130,252),少数为男性(n = 134),另有性别未知病例(n = 452)。乳腺构成分布于A类(n = 11,523)、B类(n = 43,324)、C类(n = 56,228)和D类(n = 10,535),另有9228例构成未知(表1)。

根据诊断性影像后的BI-RADS分类,6997例被归类为BI-RADS 4+(提示恶性可疑),84,382例为BI-RADS 1或2(良性发现),39,459例为BI-RADS 0或3(需要额外影像检查或短期随访)。此外,3361幅图像经活检证实为恶性(表1)。

表1 人群特征:研究人群的人口学和临床特征,包括年龄、性别、乳腺构成和活检证实的恶性图像 查看原表 ↗

超级模型性能

超级模型从三个主要角度进行了评估:钙化分割模型、宏观分割模型和风险评估模型的性能。钙化分割模型的病灶捕获率(LCR)为92.99%,每幅图像假阳性率(FPR)为0.1,F2分数为92.43%,凸显了其在检测钙化方面卓越的精确性和可靠性。宏观分割模型旨在识别更大范围的病灶,其LCR为90.00%,每幅图像FPR为0.89,F2分数为77.71%,表明尽管假阳性率略高于钙化模型,但其性能仍然有效(表2)。

风险评估模型使用两个基准进行评估。针对病理证实的标签和随访至少2年的阴性病例,其敏感性为82%(95% CI 78.5–85.5),特异性为74%(95% CI 72.9–75.1),AUC为88%(95% CI 85.9–90.1)。与专家活检召回决策相比,其敏感性为91.98%(95% CI 90.1–93.8),特异性为73.73%(95% CI 72.6–74.8),AUC为92%(95% CI 90.7–93.3),表明与专家评估高度一致。分割模型的病灶捕获率定义为专家放射科医师召回进行活检的病灶比例。此外,风险评估评分使用阈值65转换为二分类结局(召回或不召回),该阈值通过在验证数据集上最大化Youden J统计量确定。这些指标详见表2,显示了该模型在临床工作流程中改善病灶检测和风险评估的潜力。

表2 训练模型的性能指标:分割模型的病灶捕获率(LCR)、假阳性率(FPR)和F2评分,以及风险评估模型的灵敏度、特异度和曲线下面积(AUC) 查看原表 ↗

AI超级模型在不同应用场景中的性能

主要AI模型通过四种不同方法进行评估,并整合到工作流程中以辅助决策。各种场景的性能分别针对每位放射科医师单独评估以及汇总评估。AI整合在多个指标上显著提升了诊断性能。基于汇总的阅片者性能,未辅助的放射科医师达到AUC 83.04(95% CI 79.8–86.3),在AI辅助下增至83.96(95% CI 80.8–87.1),并在AI用于不确定病例场景(I/U)中进一步提升至84.33(95% CI 81.2–87.5)。联合模型达到最高AUC 88.40(95% CI 85.6–91.2),展示了协作决策的优势。单独AI达到AUC 85.86(95% CI 81.6–90.1),与未辅助的放射科医师相当,但与放射科医师输入联合后被超越。所有场景均显示统计学显著改善(p值 < 0.001)。不确定性分析显示,在模糊病例中AUC为88.14(95% CI 84.2–92.1),突显了AI即使在不确定诊断情境中也有强劲表现。这些发现以及每位阅片者的指标详见表3。

跨场景的灵敏度和特异度评估显示,AI辅助下放射学性能显著改善。在不考虑不确定性的情况下,基于汇总的阅片者性能,未辅助放射科医师的灵敏度从54.8%(95% CI 48.6–61.0)在AI辅助下增至59.0%(95% CI 52.7–65.0),并在AI辅助的I/U场景中显著升至70.5%(95% CI 64.9–76.2),在联合模型中达到峰值83.9%(95% CI 79.3–88.4)(p < 0.001)。特异度同样表现强劲,联合模型达到91.1%(95% CI 89.8–92.4),显著高于未辅助放射科医师的83.6%(95% CI 82.0–85.6)(p < 0.001)。当纳入不确定性时,灵敏度从67.3%(95% CI 61.5–73.2)(未辅助)增至联合场景中的83.9%(95% CI 79.3–88.4),特异度峰值达91.1%(95% CI 89.8–92.4)。所有场景的p值均突显了这些改善的统计学显著性,证实了AI在提升诊断准确性和可靠性方面的作用。这些结果详见表4。每位阅片者的性能指标见补充表3–6。此外,在不同场景中计算了PPV、NPV和召回率,结果报告于表S7–S9。

表3 单一放射科医师在呈现AI判读之前(未辅助)和之后(辅助)的召回评估AUC,在不确定性中替换AI意见(AI in I/U),放射科医师与AI联合,以及AI评分作为独立阅片者 查看原表 ↗
表4 所有阅片者在呈现AI判读之前(未辅助)和之后(辅助)的灵敏度和特异度,在不确定性中替换AI意见(AI in I/U),放射科医师联合,以及AI作为独立阅片者 查看原表 ↗

召回评估

我们使用放射科医师在呈现AI解释之前和之后的判读结果计算了ROC曲线。未辅助的放射科医师、作为独立阅片者的AI以及三种场景的ROC曲线如图4所示。显然,与未辅助的情况相比,所有三种场景下放射科医师的ROC曲线均有改善。最佳曲线来自联合(Union)场景,其表现优于其他场景,甚至优于单独AI,尤其是在灵敏度和特异度均超过60%的决策区间。AUC评分以及与未辅助放射科医师相比改善的显著性见表3。所有三种场景均显著改善了放射科医师的表现(p值 < 0.001),其中联合场景取得了最显著的改善(5.37%,p值 < 0.001)。该场景在所有阅片者中取得了最高的AUC,表明放射科医师与AI之间的协作能够产生最高效的决策。

图4 放射科医师在呈现AI解释之前(未辅助)和之后(辅助)的召回评估ROC曲线,包括在不确定情况下用AI意见替代(AI in I/U)、放射科医师与AI的联合(Union),以及AI原始评分作为独立阅片者。曲线分别针对所有阅片者和四位阅片者中的每一位绘制。在所有图中,联合(Union)均取得了最高表现,突显了放射科医师与AI之间协作以实现高效决策的必要性 查看原图 ↗

病灶检测评估

为进一步评估,我们通过比较放射科医师在呈现AI解释之前和之后的报告,计算了每种病灶类型的添加数量。结果见表5。可以观察到,AI对所有四种病灶类型的遗漏病灶检测均有显著影响(p值 ≤ 0.04)。添加率最高的是钙化,其是最小且最容易遗漏的病灶(0.0242,p值 ≤ 1E-4)。

表5 呈现AI解释后每种病灶类型每侧乳腺的添加率 查看原表 ↗

讨论

该研究评估了一种先进的人工智能(AI)模型,用于检测病灶并协助放射科医生解读乳腺X线摄影以发现乳腺癌。该AI系统在五种场景下进行了测试,包括传统放射科医生评估和不同的AI整合方式。基于汇总的阅片者性能,所有三种AI采用模式均带来了性能提升。在AI辅助、AI用于不确定病例和联合场景中,未辅助阅片者的AUC分别从83.04(95% CI 79.8–86.3)增至83.96(95% CI 80.8–87.1)、84.33(95% CI 81.2–87.5)和88.40(95% CI 85.6–91.2)。虽然联合场景获得了最高AUC,但这一改善伴随权衡:召回率从无辅助放射科医生的18.89%(95% CI 17.3–20.5)升至25.84%(95% CI 24.0–27.7),PPV从40.14%(95% CI 35.4–44.9)降至36.56%(95% CI 31.9–41.2)。鉴于该场景还实现了最高敏感性——83.9%(95% CI 79.3–88.4)——并因此实现了最低的癌症漏诊率,它可能适用于患者召回成本低但癌症漏诊后果严重的环境。相反,仅在放射科医生不确定时才纳入AI判断的场景获得了最高特异性(91.1%,95% CI 89.8–92.4),同时与未辅助阅片相比仍提高了敏感性(70.5%,95% CI 64.9–76.2)。因此,召回率降至15.85%(95% CI 14.3–17.4),PPV升至50.14%(95% CI 45.3–54.9),使其成为最持续有益的方案,在所有评估的性能指标上均有改善,尤其在召回患者成本高昂的环境中具有优势。AI还有助于减少漏诊病灶,尤其是钙化,突显了其提高诊断精度的潜力,尤其是在资源有限的环境中。

研究人员最近对AI系统应用于乳腺X线摄影解读给予了显著关注。大量研究调查了AI作为计算机辅助检测(CAD)系统的效力。Rodríguez-Ruiz等[32]报告使用AI系统后平均AUC显著提高2%,而Pacile等[27]观察到2.8%的改善。同样,FDA进行的实验表明,Siemens的Transpara和Hologic的Genius AI Detection分别将放射科医生的AUC从83.3%提高到86.3%,从79.4%提高到84.0%[33, 34]。此外,LUNIT INSIGHT MMG作为辅助CAD系统使用时,将AUC从75.4%提高到80.5%[35]。这些发现与我们的研究一致,我们的研究显示不同场景下AUC改善了1%至5.4%。最小的改善出现在自由采用场景中,与除FDA研究以外的其他研究结果一致。相反,最显著的改善出现在联合场景中,与FDA的发现一致。尽管一些研究侧重于比较AI作为独立阅片者与放射科医生的表现[32, 36],其他研究则强调AI与放射科医生解读相结合可实现最佳性能[37–39]。这些结果与我们的发现一致,我们的发现显示在联合场景中获得了最显著的诊断准确性。

既往研究表明,将AI系统作为CAD工具整合,可显著提高放射科医师检出以肿块、结构扭曲或不对称形式表现的癌症的能力,尤其是在早期、淋巴结阴性浸润性癌或乳腺X线摄影致密乳腺中的癌症等具有挑战性的病例中[40]。鉴于在困难条件下检测癌症的难度增加,这些发现尤其令人鼓舞。在本研究中,我们评估了AI辅助对四种主要病灶类型(肿块、结构扭曲、钙化和不对称)检出的影响。结果显示,AI-CAD系统显著降低了所有类别中的病灶漏诊率。最显著的改善见于钙化,这是最小且最难检出的病灶,通常需要大量放大观察。这些发现凸显了AI通过识别未被检出的病灶来减少癌症漏诊的潜力,从而提高诊断准确性。

本研究通过允许放射科医师使用“不确定”标签,模拟了真实的临床工作流程。它比较了联合场景和I/U场景,显示AI警示显著提高了诊断准确性。联合场景在保持高特异度的同时提高了敏感度,有效减少了癌症漏诊。I/U场景也提高了敏感度和特异度。然而,辅助放射科医师场景显示的改善最小,提示仅凭AI风险评分并不能完全获得放射科医师的信任。这些发现凸显了将AI审慎整合到临床工作流程中以实现最大有效性和接受度的重要性。

我们的发现表明,在解读二维数字乳腺X线摄影图像时,AI可显著改善放射科医师的表现,尤其是在敏感度方面。AI对经验较少的放射科医师(阅读乳腺X线摄影经验2–5年)尤其有益。这凸显了AI在经验丰富放射科医师可及性有限的机构中支持乳腺X线摄影解读的潜在作用。在这些情境中,AI支持可减少诊断不确定性并提高癌症检出率。此外,本研究代表了迄今为止中东地区该领域最大的数据集之一,为评估模型在代表性不足人群中的泛化性提供了宝贵基础。

本研究存在局限性,包括放射科医师数量较少和回顾性设计,这些影响了研究结果的稳健性和可推广性。研究还缺乏对AI对最终召回率影响的评估,需要更大规模的前瞻性研究以得出更可靠的结论。未来研究应通过纳入更多样化的队列和真实世界场景来弥补这些局限性,以验证和扩展这些发现。此外,研究队列可能不能代表基于人群的筛查项目中的受试者,且患病率未按亚组分层。未按乳腺密度、设备厂商或患者年龄分析性能,而这些因素均可能影响AI和阅片者的表现。最后,尽管报告了召回率、阳性预测值(PPV)和阴性预测值(NPV),但本研究的检验效能不足以就这些与工作流程相关的指标得出确定性结论。需要开展更大规模、前瞻性、多中心的研究,纳入多样化人群、标准化的基于病理的结局、详细的工作流程测量和亚组分析,以验证和扩展这些发现。

结论

本研究证明了AI通过提高诊断准确性、敏感性和特异性来增强乳腺X线筛查的巨大潜力,尤其是对经验较少的放射科医师和具有挑战性的病例。最佳结果通过AI与放射科医师的协作实现,凸显了将AI整合到临床工作流程中的价值。尽管存在局限性,研究结果强调了AI减少漏诊和提高早期癌症检出的能力,值得在不同医疗环境中开展进一步研究。

补充信息

电子补充材料

引用

  1. Ahmadinejad N, Sadighi N, Ghavami Modegh R, et al. Optimizing AI-assisted decision-making in mammography screening: focusing on uncertainties. Insights Imaging. 2026. PMID: 42867728. doi:10.1186/s13244-026-02411-4
  2. 全文:PMC13661836(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13661836/

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。