人工智能辅助乳腺筛查，可以减少放射科医生工作量

根据4月19日发表在《Radiology》上的丹麦研究，使用人工智能（AI）作为基于人群的乳腺癌筛查的辅助工具，可以减少放射科医生超过五分之三的工作量，并避免25%以上的假阳性。

由哥本哈根大学Andreas Lauritzen博士领导的团队发现，人工智能算法检测并分类了正常、中等风险和可疑的乳腺X光片，同时在不同的乳房密度下表现一致。该小组写道，在这种情况下使用人工智能可以改善乳腺癌筛查结果。

Lauritzen和他的合著者写道:“基于人工智能的筛查可能会通过提高效率来支持大多数的筛查项目。”

以前的研究表明，基于人群的乳腺X光筛查是通过检测乳腺癌的早期征象来降低乳腺癌的死亡率。然而，这意味着放射科医生需要做更多的工作。研究还表明，放射科医生更有可能错过低发病率情况下的疾病迹象。

人们越来越关注人工智能在乳腺X光检查中区分良、恶性病变的潜力。虽然这项技术无法完全取代放射科医生，但研究人员表明其帮助放射科医生，减轻了他们的工作负担。

Lauritzen及其同事想知道，使用市场上的人工智能应用程序（Transpara 1.7.0版，ScreenPoint Medical）的基于人工智能的筛查方案是否可以改善筛查结果，并减少放射科医生乳腺X光片的阅片数量。他们还研究了基于人工智能和放射医生在BI-RADS腺体密度分型的结果。

回顾性研究样本包括对114,421名平均年龄为59岁的妇女进行乳腺癌筛查。筛查结果：791例筛查出癌症，327例间期癌和1,473例长期癌症，还包括2,107次的假阳性。

研究人员发现，放射科医生的工作量减少了62.6%，在114,421张图像中有71,585张图像不需要阅片。同时他们还发现，基于人工智能的筛查使假阳性率降低了25.1%（2,107次中的529次）。

虽然发现BI-RADS腺体密度的分型筛查结果是一致的，但敏感性没有达到统计学意义。同时，基于人工智能的筛查的特异性在所有BI-RADS腺体密度分型都增加了0.3至0.6个百分点，并高于放射科医生筛查的特异性。

（左）一名61岁女性的全视野数字乳腺 X线照片显示诊断出间期癌，该癌症由AI系统自动检索。系统将乳腺X光照片归类为可疑，检查分数为9.99。圆圈显示由AI标记的可疑微钙化区域。该妇女在筛查时没有被放射科医生召回。(右) 一名56岁女性的乳腺X线照片显示放射科医生经筛查发现的确诊癌症。圆圈围绕着癌症，呈现为毛刺状的肿块。人工智能系统在乳腺X光照片中没有标记出可疑区域，并给出了3.73的低检查分数，将其归类为正常。图片由RSNA提供。

该研究作者写道，基于人工智能的筛查方案可以通过改变假阳性的阈值来调整。这可能会导致更保守的筛查，或者可以用来匹配所期望的召回率，反过来可以帮助单人阅片流程、低年资的人员和非专业放射科医生的筛查项目。

然而，Lauritzen等人补充说，这可能会增加高年资放射科医生对可疑乳腺X光片的阅片时间。

他们写道：“对于具有类似管理方案的机构，我们基于人工智能的筛查方案的结果可能是可推广的，但还需要进一步验证”。

该团队呼吁进一步研究人工智能错误分类的阈值和癌症，并进行前瞻性试验，以衡量人工智能对放射医师表现的影响。

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.

AI aids with breast screening, reduces workload for radiologists (auntminnie.com)