由北美放射学会（RSNA）主办的乳腺X光筛查AI挑战赛提交算法显示，在乳腺癌检测中展现出卓越性能。根据《放射学》杂志发表的研究，这些算法在保持低召回率的同时显著提升了筛查灵敏度。
这项2023年举办的众包竞赛吸引了超过1500支团队参与。英国诺丁汉大学癌症筛查教授Yan Chen领导的研究团队分析了参赛算法的表现："我们对参赛规模和算法数量感到震撼，这也是RSNA最具参与度的AI挑战赛之一。令人印象深刻的是，在有限的算法开发时间和必须使用开源训练数据的前提下，算法表现依然出色。"
挑战赛目标在于寻找能提升筛查效率的AI模型，协助放射科医生提高诊疗质量与安全性，并可能降低医疗成本。埃默里大学与澳大利亚维多利亚乳腺筛查项目联合提供了约11000张乳腺筛查影像作为训练数据集。
研究团队评估了1537个参赛算法，在10830例经病理确诊的独立测试数据集上验证效果。结果显示算法中位特异性达98.7%，灵敏度27.6%，召回率1.7%。当集成前3名和前10名算法时，灵敏度分别提升至60.7%和67.8%。
"不同AI算法展现出互补性，各自识别不同癌症特征。"Chen教授解释道，"这些算法通过优化阳性预测值和高特异性阈值，在不同影像特征上产生差异化高分。"
研究显示，集成前10名算法的性能已接近欧洲和澳大利亚平均水平的放射科医生。算法性能受癌症类型、影像设备制造商和临床机构等因素影响，对侵袭性癌症的检测灵敏度显著高于非侵袭性癌症。
由于多数参赛AI模型采用开源模式，挑战赛成果将助力提升商用和实验性AI工具的性能，最终改善全球乳腺癌诊疗效果。研究团队计划开展后续研究，通过更大规模数据集对比商业产品性能，并探索基于英国PERFORMS方案的AI评估体系。
RSNA每年举办AI挑战赛，今年赛事聚焦颅内动脉瘤的检测与定位模型开发。相关研究成果已发表于《放射学》（2025年）期刊。
【全文结束】
