加利福尼亚州洛杉矶，5月28日——要点：
- 人工智能在乳腺X光片中识别出76%被遗漏的乳腺癌
- 早期检测可以防止癌症进展并提高生存率
- 人工智能能够识别出放射科医生可能忽略的微小癌症迹象
人工智能展示了其在常规乳腺X光筛查之间识别出某些类型的乳腺癌的能力，这些癌症在发展到更危险阶段之前被发现。一项由加州大学洛杉矶分校健康乔恩森综合癌症中心领导并在《国家癌症研究所杂志》上发表的研究发现，这一进步可以提高早期检测率、优化筛查方案，并改善患者的治疗结果。
研究表明，人工智能可以识别出放射科医生在初次筛查中遗漏的某些“乳腺X光可见”的乳腺癌。这些癌症在乳腺X光片上出现，但表现出细微或微弱的指标，容易被忽略。研究人员估计，将人工智能纳入筛查过程可以将间隔性乳腺癌的发生率降低多达30%。
早期诊断可以采用较少侵入性的治疗方法
加州大学洛杉矶分校大卫·格芬医学院放射学助理教授、该研究的主要作者Tiffany Yu博士强调了这些发现的重要性，指出早期发现这些间隔性癌症可以导致更有效的治疗。她解释说，早期诊断通常允许使用较少侵入性的疗法，并提高积极结果的可能性。
虽然类似的研究已在欧洲进行，但这项研究是美国首批探索人工智能在识别间隔性乳腺癌方面作用的研究之一。筛查方法因地区而异：在美国，每年一次的3D乳腺X光摄影（数字乳腺断层合成）是标准做法，而在许多欧洲国家，2D乳腺X光摄影每两到三年进行一次。
回顾185,000张乳腺X光片以识别间隔性乳腺癌病例
这项回顾性研究分析了从2010年到2019年间拍摄的近185,000张乳腺X光片，并确定了148例后来被诊断为间隔性乳腺癌的女性。研究人员使用欧洲分类系统将这些病例分为六类：读片错误、微小征兆（可行动和不可行动）、真正的间隔性癌症、隐匿病例（完全无法在乳腺X光片上检测到）和技术错误。
为了重新评估原始乳腺X光片，研究团队使用了一种名为Transpara的商用AI工具，该工具根据癌症风险评分从1到10对图像进行评分，其中8分或更高被视为潜在可疑。
主要发现：在许多类别中表现出色
- 人工智能识别出76%最初被认为是正常的但在后来被诊断为间隔性癌症的乳腺X光片。
- 它准确地检测出90%的读片错误、89%需要采取行动的微小征兆癌症和72%不需要采取行动的微小征兆癌症。
- 对于隐匿性癌症（在乳腺X光片上不可见），人工智能标记出69%。
- 人工智能在检测真正间隔性癌症方面表现较差，仅识别出约50%的病例。
“虽然我们观察到了一些有希望的结果，但我们也发现了人工智能在实际场景中存在的一些显著不准确性和挑战，”加州大学洛杉矶分校大卫·格芬医学院放射学助理教授、该研究的资深作者Hannah Milch博士说。
“例如，尽管人工智能标记了69%的隐匿性癌症乳腺X光片，但它在识别确切的癌症位置方面表现不佳，仅在22%的时间内正确标记了真正的癌症。”
作为放射科医生支持工具的潜力
更大规模、更全面的研究需要探讨放射科医生如何将人工智能整合到实践中，并解决关键问题，例如如何解释当人眼无法检测到可见迹象时的人工智能警报，特别是因为人工智能可能难以准确地定位癌症的确切位置。
“尽管人工智能并不完美，不应作为独立工具使用，但这些发现支持了人工智能可以帮助将间隔性乳腺癌主要转变为真正的间隔性癌症的观点，”Yu评论道。“它显示了作为有价值的第二意见的潜力，特别是在早期最难检测的癌症类型中。这关乎为放射科医生提供更好的工具，并为患者提供早期检测的最佳机会，最终可能会挽救更多生命。”
总之，将人工智能整合到乳腺癌筛查中具有通过识别传统放射学可能遗漏的癌症来提高早期检测的潜力。通过标记细微迹象并降低晚期癌症的风险，人工智能有望成为一种强大的工具，以增强患者的治疗效果，并提供更有效的乳腺癌诊断方法。
(全文结束)
