根据北美放射学会（RSNA）旗下期刊《放射学》（Radiology）今日发表的一项研究，一种用于乳腺癌筛查的人工智能算法有潜力提高数字乳腺断层合成（DBT）的性能，最多可将间期癌症减少三分之一。
间期乳腺癌是指在定期筛查乳腺X光检查期间被诊断出的有症状癌症，由于其生物学特性更具侵袭性且生长迅速，往往预后较差。DBT，即三维乳腺X光摄影，可以改善乳腺病变的可视化效果，并发现可能被致密组织遮挡的癌症。由于DBT作为一种先进的筛查技术相对较新，那些近期才开始采用DBT的机构，关于患者预后的长期数据有限。
“鉴于在开始DBT筛查10年或更长时间后，缺乏关于乳腺癌相关死亡率的长期数据，间期癌症发生率常被用作替代指标，”该研究的作者、医学博士、公共卫生硕士玛尼沙·巴尔（Manisha Bahl）解释道。她是马萨诸塞州综合医院乳腺影像科质量主管和联合服务主任，也是哈佛医学院的副教授。“降低这一比率被认为可以减少与乳腺癌相关的发病率和死亡率。”
在一项涉及1376个病例的研究中，巴尔博士和她的同事回顾性分析了224名接受DBT筛查的女性中的224例间期癌症。在这些DBT检查中，人工智能算法（Lunit INSIGHT DBT v1.1.0.0）正确定位了32.6%（73/224）之前未被检测到的癌症。
“我和我的团队惊讶地发现，在放射科医生解读为阴性的筛查乳腺X光片中，人工智能算法检测并正确定位了近三分之一的间期癌症，这凸显了人工智能作为有价值的二次阅片工具的潜力。”
研究作者、医学博士、公共卫生硕士玛尼沙·巴尔（Manisha Bahl）
据研究人员称，《放射学》上的这项研究可能是首篇专门探讨人工智能辅助在DBT筛查中检测间期癌症的已发表研究。
“有几项研究探索了人工智能在二维数字乳腺X光筛查中检测间期癌症的应用，但据我们所知，此前没有已发表的文献关注人工智能在DBT中检测间期癌症的应用，”巴尔博士解释道。
为避免高估人工智能算法的灵敏度，巴尔博士的团队采用了一种针对病变的分析方法，只有当算法正确识别并定位癌症的确切位置时，才“认可”该算法的检测结果。
“相比之下，基于检查层面的分析会将任何阳性检查结果都归功于人工智能，即使其标注不正确或与实际癌症位置无关，这可能会夸大算法的灵敏度，”巴尔博士说。“关注病变层面的准确性能更准确地反映人工智能算法的临床性能。”
巴尔博士指出，该算法检测出的癌症往往更大，且更有可能出现淋巴结阳性。
“这些发现表明，人工智能可能更倾向于检测更具侵袭性或生长迅速的肿瘤，或者它能识别出在筛查时就已经处于晚期的漏诊癌症，”她说。
在1000名患者中（包括基于病理结果确诊为阳性的癌症患者，以及基于一年随访结果确定为真阴性和假阳性的患者），该算法正确定位了334例真阳性癌症中的84.4%。它还将333例假阴性病例中的85.9%和333例假阳性病例中的73.2%正确分类为阴性。
“我们的研究表明，人工智能算法可以在DBT筛查中回顾性地检测并正确定位近三分之一的间期乳腺癌，这表明它有潜力降低间期癌症发生率并改善筛查结果，”巴尔博士说。“这些发现支持将人工智能集成到DBT筛查流程中，以提高癌症检测率，但它在现实世界中的影响最终将取决于放射科医生的接受程度以及在不同临床环境中的验证情况。”
【全文结束】
