本文字稿经过编辑以提高清晰度。
欢迎来到《影响力因子》，每周为您带来一项新医学研究的评论。我是耶鲁医学院的F. Perry Wilson博士。
大约从40岁开始，患乳腺癌风险处于平均水平的女性开始接受每年或每两年一次的筛查性乳腺X光检查。
对大多数人来说，这种例行检查只会带来几天的焦虑。筛查过程是重复的：阴性，过一两年；阴性，过一两年；阴性。但对于约13%的女性来说，其中一次乳腺X光检查最终会发现乳腺癌。
对于那些经过一系列阴性乳腺X光检查后却被新诊断出癌症的女性来说，自然会问："我们能否更早发现？那些旧的乳腺X光片上是否有任何线索？以事后的眼光来看，我们现在是否能看到当时可能遗漏的东西？"
一项新研究正承诺做到这一点，表明在一些乳腺癌患者中，人工智能系统能够在诊断前长达6年就从常规乳腺X光片中检测出异常。
人们经常抱怨人工智能是一个"黑箱"。数据输入，预测输出，而整个过程的"为什么"可能非常难以理解。但这个黑箱也带有一些神秘感，暗示人工智能能够做到人类无法做到的事情——一种可能改变医疗等行业格局的"魔力"。
如果我告诉你一个人工智能系统能够在癌症诊断前6年就在筛查性乳腺X光片上检测出癌症迹象，你几乎不得不依靠"魔法"来理解其中的原因。人工智能在这些图像中看到了什么？它是否看到了人类难以识别的小块癌症区域？还是它看到了人类未受过训练无法评估的某种高风险信号？
这一系列思考都源于发表在《放射学》杂志上的这项研究。以下是该研究的工作方式。
作者使用了"乳腺影像人工智能验证"数据库。这是瑞典为评估AI模型而创建的一组乳腺X光图像，与最终的临床诊断相关联。数据包括作为瑞典乳腺癌筛查计划一部分被诊断出乳腺癌的女性的所有乳腺X光片，以及随机选择的无癌个体。值得一提的是，当时瑞典放射科医生在诊断乳腺癌时并未使用任何AI系统，而且本研究中的AI系统并未在数据集中的图像上进行训练。
好的，因此我们拥有一组最终将被诊断为乳腺癌的女性的纵向乳腺X光数据，以及来自不会患乳腺癌的女性的类似图像。
在这种设置下，研究人员对三个AI系统进行了测试。
要理解这是如何工作的，你需要知道AI诊断模型的工作方式与放射科医生并不完全相同。这还是一种轻描淡写。具体来说，我的意思是它们不会得出二元的是/否癌症诊断结果。相反，模型的输出是一个分数，一种连续的度量，分数越高越可能是癌症，分数越低越可能不是癌症。
这意味着我们需要人为地设定一个阈值。如果我们将阈值设得太低，我们会吓到许多女性，让她们担心自己的潜在诊断，并进行大量不必要的额外检查。如果我们将阈值设得太高，我们会漏掉那些真正能从早期干预中受益的女性。
作者们随意但并非不恰当地决定将这个阈值设在第90百分位。对于这三个AI系统中的每一个，他们将所有分数排序，并将前10%定义为"阳性"。
如果AI系统没有从乳腺X光片中获取任何信息，而只是充当随机数生成器，那么我们预计最终将患有癌症的10%的患者会得到位于前10%的分数。这只是随机性按预期工作。因此，这是此处的性能下限。
但作者们显示，在最终被诊断为癌症的女性中，15%会在诊断前9年被标记为阳性，约20%会在诊断前6年被标记为阳性，约35%会在诊断前3年被标记为阳性。你可以在这里看到这些百分比。这些图表似乎表明，随着接近最终的癌症诊断，系统越来越有可能发现某些异常。
这听起来是否过于美好而不真实？
确实如此。
我不确定你是否注意到了，但我一直在限定这些结果，说"在最终被诊断为癌症的女性中"。我的意思是，"这里的分母是未来将患癌症的女性"；分子是在诊断前检测结果为阳性的女性数量。
但在现实生活中会如何呢？
在现实生活中，我根本不知道哪些女性未来会患癌症。这就是我们进行筛查的原因。我唯一合理的分母是"接受筛查的女性"。当然，其中一些人未来会患癌症，但更多的人不会。忽视该系统在这些女性中的工作方式是疯狂的，因为在她们被诊断出癌症之前，我们无法筛选出哪些女性会患癌症，哪些不会。
了解这些AI工具在进行常规筛查性乳腺X光检查的女性中的使用体验会有所帮助。
在此图表中，你可以看到来自数据集中100名从未发展为乳腺癌的随机女性的原始分数。在筛查期间，她们的分数大多保持在较低水平，但当然，有些分数较高，有些则突然升高，等等。
这是100名将在筛查结束时发展为癌症的随机女性的类似图表。这里的模式更加清晰，特点是诊断前的上升趋势。不过，我应该指出，此图表最末端的高分有点"虚假"。那是——没有AI辅助——导致癌症诊断的乳腺X光片，因此在那个时间点，AI并不是在预测，而只是在诊断，这要容易得多。
但再次强调，这些图表的呈现方式并不现实，因为如果我们前瞻性地实施此类系统，我们无法区分哪些女性会发展为癌症，哪些不会。你会得到一个更像这样的图表：
然后你的工作就是区分谁需要更多的筛查测试或乳腺MRI检查等。
作者用阳性预测值(PPV)来量化这一点。PPV表示：在AI认为乳腺X光片"阳性"的女性中，有多少百分比会发展为癌症？这更好，因为它提供了一个我可以前瞻性定义的分母：AI检测结果为阳性的女性。
好的，让我们来看看数据。在AI筛查结果为阳性的女性中，有多少百分比会在接下来的6年内发展为癌症？2.5%。
根据你的视角不同，你对这些数字的直觉会发生如此巨大的变化，这难道不令人惊讶吗？我上面告诉过你，在最终会被诊断为癌症的女性中，有20%在诊断前6年AI筛查结果为阳性。这是测试的敏感性。这看起来很多。但在AI筛查结果为阳性的女性中，只有2.5%会在接下来的6年内发展为癌症。这就是阳性预测值。
我知道——数学很难。但流行病学中的一个普遍真理是，将分析基于未来信息会导致误导性结果。
这并不是说2.5%的PPV是坏的。这取决于我们想用它做什么。如果它导致进行超声等二次筛查，可能是可以接受的，尽管我们需要研究其成本效益。但如果只有2.5%的人会在接下来的6年内患上癌症，你显然不会建议对所有AI筛查结果为阳性的人都进行乳房切除术。
我确实相信这些AI工具在放射学尤其是医学领域确实有其位置。我相信，在我们通过常规医疗为患者生成的数据洪流中，确实存在我们可能遗漏的信息。如何利用AI来利用这些信息，以及在AI预测之后需要做出什么决策，是财务、伦理和政策决策需要介入的地方。最终，这些选择需要由人类做出。
F. Perry Wilson医学博士、医学科学硕士是医学和公共卫生副教授，也是耶鲁大学临床与转化研究加速器的主任。他的科学传播工作可以在《赫芬顿邮报》、NPR和Medscape上找到。他在@fperrywilson发布内容，他的著作《医学如何工作及何时不起作用》现已上市。
【全文结束】