研究显示商业人工智能程序可准确标记30%原本被误判为阴性但最终确诊为间期乳腺癌的乳腺X线影像。这项突破性发现来自加州大学洛杉矶分校戴维·格芬医学院放射学助理教授Tiffany T. Yu团队发表于《美国国家癌症研究所杂志》的研究成果。
研究人员通过对49,244名阴性筛查结果的女性进行追踪，发现其中148例在1年内确诊间期乳腺癌（发生率8/10,000）。采用雅典娜乳腺健康网络数据进行AI辅助分析，将误诊原因分为六类：遗漏阅读错误（17%）、最小可操作性征象（26%）、最小不可操作性征象（22%）、真区间期癌（6%）、隐匿性癌（24%）和遗漏技术错误（5%）。
AI系统对不同类型的检测准确率呈现显著差异：遗漏阅读错误90%、最小可操作性征象89%、最小不可操作性征象72%、隐匿性癌69%、真区间期癌50%、遗漏技术错误40%（P=0.02）。在131例评分影像中，AI对遗漏阅读错误的准确定位率达68%，最小可操作性征象为62%，最小不可操作性征象35%，总体实现30%的病例提前发现。
"这是最令人振奋的发现"，Yu博士指出，"但AI对69%隐匿性癌的标记中仅有22%准确定位，显示其在病灶定位准确性方面仍需改进"。研究团队强调，不同AI工具可能存在性能差异，需要前瞻性临床试验验证实际应用效果。
在临床应用层面，该技术有望减少筛查过程中的假阳性召回。当前3D断层合成技术的普及使筛查精度提升，但每年仍有大量女性因疑似征象接受二次检查。研究团队建议将AI作为放射科医生的辅助工具，在减少不必要的二次检查的同时提高真阳性识别率。值得注意的是，AI已成功识别4例真区间期癌中的2例，显示其在预测高风险病例方面的潜力。
加州大学洛杉矶分校研究团队指出，虽然本研究样本量较小，但为AI在乳腺癌筛查中的应用提供了重要证据。未来需通过前瞻性研究验证不同AI系统的临床价值，特别是在病灶定位准确性和假阳性控制方面。这项技术的最终目标是实现AI辅助的精准筛查体系，既能提升早期诊断率，又能降低受检者的焦虑负担。
【全文结束】
