实时AI乳腺超声在低度可疑4A病灶中的活检决策价值
Defining the Clinical Indication for Real-Time Artificial Intelligence-Assisted Ultrasound in Breast Lesions with Low Suspicion of Malignancy.
PubMed 文献 · J Ultrasound Med · 2026-10-18
回顾性分析641例连续乳腺超声BI-RADS 4A病灶，以病理为金标准，评估实时AI超声系统CadAI-B®联合乳腺X线分层能否安全减少不必要的活检。单独AI策略在AI分级≤2或≤3时活检延迟分别漏诊30.8%和38.5%恶性肿瘤，以导管原位癌为主。在无非可疑乳腺X线发现的前提下，AI BI-RADS 1-3病灶中未观察到恶性肿瘤，该序贯策略可减少43.5%活检且敏感度保持100.0%。
要点
- 单独用实时AI乳腺超声对4A病灶降级并延迟活检会漏诊较多导管原位癌
- 无非可疑乳腺X线发现且AI降为BI-RADS 1-3者可能无需立即活检
- 阅片时优先关注AI仍为BI-RADS 4A或伴可疑乳腺X线发现的病灶
核心结论
- 单独使用实时AI乳腺超声不能安全支持对超声BI-RADS 4A病灶延迟活检，因为在AI BI-RADS≤2和≤3时分别漏诊30.8%和38.5%的恶性肿瘤。
- 在排除了可疑乳腺X线发现后，AI重新分为BI-RADS 1-3的病灶中未观察到恶性肿瘤。
- 对AI BI-RADS≤3且乳腺X线无可疑发现的病灶延迟活检，可减少43.5%活检，同时敏感度保持100.0%。
研究设计与样本
- 单中心回顾性分析，纳入641例连续超声BI-RADS 4A病灶，均接受真空辅助乳腺活检。
- 活检前使用实时AI超声系统CadAI-B®对病灶重新评估，乳腺X线发现根据正式报告分为可疑或非可疑。
- 以最终病理为参考标准，评估7种预设活检决策策略，主要结局包括活检减少率、漏诊癌、敏感度、特异度、阳性预测值、阴性预测值和准确度。
关键影像表现/征象
- AI将641例病灶中的289例重新分为BI-RADS 1-3类。
- 最终病理识别出26例恶性肿瘤，其中14例导管原位癌、11例浸润性导管癌和1例大汗腺癌。
- 无非可疑乳腺X线发现且AI BI-RADS 1-3的病灶中，恶性肿瘤为0例。
诊断标准与关键数值
- 641例超声BI-RADS 4A病灶中，26例恶性，恶性率为4.1%。
- AI BI-RADS≤2时延迟活检漏诊8/26例恶性肿瘤，漏诊率为30.8%。
- AI BI-RADS≤3时延迟活检漏诊10/26例恶性肿瘤，漏诊率为38.5%。
- 对AI BI-RADS≤3且乳腺X线无可疑病灶者延迟活检，敏感度为100.0%（95% CI, 87.1-100.0%），特异度为45.4%（95% CI, 41.4-49.4%）。
- 该联合策略减少活检43.5%，即279/641例。
临床应用与阅片要点
- 实时AI乳腺超声对4A病灶的降级结果不应单独作为延迟活检依据，尤其是AI降级后仍需警惕导管原位癌。
- 将AI分级与乳腺X线报告结合可筛选出低风险亚组，减少不必要活检且不降低检出率。
- 在临床推广前需前瞻性多中心验证，现阶段不建议仅凭AI对4A病灶做降级处理。
局限性
- 该研究为单中心回顾性设计，可能存在选择偏倚。
- 作者指出需前瞻性多中心验证后方可临床实施。
以上解读依据论文摘要（全文未开放获取或许可不允许翻译转载）。
引用
- Lee, Yang, Kim, et al. Defining the Clinical Indication for Real-Time Artificial Intelligence-Assisted Ultrasound in Breast Lesions with Low Suspicion of Malignancy. J Ultrasound Med. 2026. PMID: 42894253. doi:10.1002/jum.70439
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。