北美放射学会
伊利诺伊州奥克布鲁克——根据今日发表在北美放射学会（RSNA）期刊《放射学》上的一项研究，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，最多可将间期乳腺癌的发生率降低三分之一。
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的癌症，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3D乳腺X光检查，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，在近期才开始采用DBT的机构中，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兼联合服务主任，也是哈佛医学院的副教授。“降低这一比率被认为可以降低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名接受过DBT筛查的女性中的224例间期乳腺癌。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）此前未被检测出的癌症。
“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光片上，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，”巴尔博士说。
据研究人员称，《放射学》杂志上的这项研究可能是首次专门研究人工智能在DBT筛查检查中检测间期癌症的应用的已发表研究。
“有几项研究探讨了人工智能在二维数字乳腺X光筛查检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检查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，即只有当人工智能算法正确识别并定位癌症的确切位置时，才认定其检测有效。
“相比之下，检查层面的分析会因为任何阳性检查结果而肯定人工智能的作用，即使其标注不正确或与实际癌症部位无关，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，算法检测出的癌症往往更大，且更有可能出现淋巴结转移。
“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已经进展的漏诊癌症，”她说。
在1000名患者中（其中包括根据病理结果确诊为真正阳性癌症的患者，以及根据一年随访结果确定为真正阴性和假阳性结果的患者），该算法正确定位了334例真正阳性癌症中的84.4%。它还正确地将333例真正阴性病例中的85.9%和333例假阳性病例中的73.2%归类为阴性。
“我们的研究表明，人工智能算法能够在DBT筛查检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融入DBT筛查工作流程以提高癌症检测率，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】
