人工智能有望用于乳腺X射线摄影筛查

2021年春季线上会议上发表的研究显示：更多的数据，更多的合作和安全性改进，是人工智能（AI）与放射科医生在乳腺X射线检查中协同工作所需。

宾夕法尼亚大学的Emily Conant医生引用了多项研究表明，AI需要收集更多“有用的”，更广泛的数据，用于检测癌症，以及增加AI算法比较的透明度。

Conant医生说：“AI已经来临，我们需要接受、验证并推进它。借助AI，我们有潜力成为更好的放射科医生，最重要的是患者将获得更好的临床结果。”她还表示，有理由对AI应用于乳房成像持乐观态度：AI有机会提高准确性，减少阅片差异，并提高效率，“最重要的是，所有这些都必须改善我们的患者临床收益。”

AI应用起源于计算机辅助检测（CAD），CAD在1998年获得美国FDA批准，应用于乳腺X射线摄影筛查。到2016年，美国已有92％的筛查机构使用了CAD。但是传统CAD方法在检测癌症方面并未显示出改善。最近的研究显示，AI可以帮助放射科医生更好地检测和诊断乳腺癌。

2019年Radiology期刊发表了Conant医生领导的一项研究：使用数字乳腺体层合成（DBT）结合AI提高乳腺癌检查的准确性和效率。研究中，24位阅片者阅览了260个DBT案例，其中包括66个恶性肿瘤和65个良性案例。研究显示，使用AI辅助的医生的阅片结果比独自阅片的医生更加准确。ROC曲线下积分面积（AUC）提高5.7%，敏感度提高8%，特异性提高6.9%，召回率降低7.2%，阅片时间降低52.7%，所有差异均具统计学显著性。Conant医生说该研究的局限性包括：1）回顾性研究；2）研究中阳性案例比例远高于实际人群；3）研究未包括假阴性案例。她说到“这是个小样本研究，我们需要使用更大量的，来源更加广泛的临床数据进行验证。”

另一项2019年发表在Radiology的研究中，MIT的Adam Yala团队使用238,271张乳腺X射线摄影图像训练了他们的深度学习模型，AUC达到0.82。该研究中AI 将19％的案例归为阴性，结果显示敏感度提高，非劣效性测试中的敏感度略有下降。

和放射科医生单独阅片相比，AI似乎更擅长检测恶性肿块，不对称和结构扭曲，包括Luminal B型和三阴性癌类型。AI也显示出有望改善间期癌的检测。Conant医生说，个性化乳腺癌筛查的未来可能会用AI进行数据风险分类，然后医生根据级别为受检者定制个性化护理。

然而，许多女性对于单独使用AI进行乳腺影像阅片持怀疑态度。在一项Journal of the American College of Radiology发表的研究中，受访的922名荷兰女性中，77.8%反对单独使用AI进行乳腺影像阅片。“这个结果也很合理，AI单独阅片听起来令人恐惧，我们需要更多的测试和验证，需要更多的临床数据”Conant医生说到。相对于AI单独阅片，使用AI进行分流，判断是否需要再次阅片，获得了更多的认同：31.5%的女性支持这个方式，41.7%表示反对，其余的未表态。同时，有17%的受访者反对AI和放射科医生联合阅片。“结果很有意思，我们必须认真考虑市场，认真考虑临床结果” Conant医生说。

本篇为新闻译文，全篇原文发表于AuntMinnie.com，作者为该网站特约撰稿人Amerigo Allegretto