一项最新的瑞典研究表明，AI支持的乳腺X线摄影筛查可以检测到比传统方法多29%的癌症，同时不会增加假阳性率，并减少了放射科医生44%的工作量。这项研究发表在《柳叶刀数字健康》上，旨在评估AI辅助乳腺X线摄影筛查（MASAI）试验的表现。
背景
乳腺癌是一种异质性疾病，从惰性到侵袭性不等。基于肿瘤大小、形态学、分子亚型、免疫组化生物标志物、转移情况和淋巴结受累等因素进行癌症特征分析，有助于制定治疗计划和患者随访。
AI有潜力减少乳腺X线摄影筛查中的阅片工作量并提高癌症检出率。欧洲的筛查项目中，双人阅片是标准做法。用AI部分替代人工阅片可以减轻乳腺放射科医生的工作负担。一些前瞻性研究表明，AI在乳腺X线摄影筛查中可以增加癌症检出率，但不应主要识别惰性癌症或增加假阳性率，而应提高临床相关癌症的检出率。
研究内容
本研究评估了MASAI试验中癌症筛查措施的表现。该试验设计用于比较AI支持的乳腺X线摄影筛查与标准双人阅片法。
参与者为符合条件参加瑞典基于人群的乳腺X线摄影筛查的女性。在获取乳腺X线摄影图像后，检查结果被随机分配至标准双人阅片（对照组）或AI支持筛查（干预组）。
在干预组中，检查结果通过名为“Transpara”的AI系统进行分析。Transpara提供了一个10分制的恶性风险评分，分为高风险（10分）、中等风险（8-9分）和低风险（1-7分）。高风险检查结果进行双人阅片，而中等和低风险检查结果进行单人阅片。最高1%风险的检查结果被标记为极高风险。对照组检查结果进行标准双人阅片，未经过AI分析。
癌症按原位癌、浸润性癌、组织学类型、诺丁汉组织学分级和核分级进行分类。分子亚型通过免疫组化生物标志物确定。肿瘤、淋巴结、转移（TNM）分期根据淋巴结受累和病理大小确定。主要结局指标包括早期筛查表现、肿瘤分期和类型检出率及阅片工作量。
结果
分析样本包括干预组的53,043名受试者和对照组的52,872名受试者。在干预组中，3,800次检查结果为高风险，其中655次被标记为极高风险。Transpara未提供368次检查的风险评分。两组各有约0.1%的检查结果为技术召回。
AI支持的筛查使癌症检出率显著增加了29%，相对于标准双人阅片。此外，召回率和假阳性率在AI支持的筛查中略有上升但不显著，而召回的阳性预测值（PPV）显著增加。干预组减少了48,444次阅片，但比对照组多了65次共识会议。
这意味着阅片工作量减少了44%。在干预组中，因影像学发现召回了941名受试者，因报告症状召回了169名受试者，而对照组分别为847名和180名。
此外，在干预组中，10年年龄段的癌症检出数量更多，且60岁以上年龄组的假阳性率有所增加。
AI支持的筛查共多检出了76例癌症，其中包括23例额外的原位癌和53例额外的浸润性癌。此外，各组织学类型的癌症检出率也有所增加，尤其是无特殊类型的浸润性癌。
在组织学分级方面，AI支持的筛查也增加了癌症检出率，其中I级癌症增幅最大。
此外，AI支持的筛查还多检出了29例Luminal A型和21例非Luminal A型浸润性癌。干预组比对照组多检出了46例淋巴结阴性的浸润性癌和5例淋巴结阳性的浸润性癌。
在干预组中，大多数非Luminal A型癌症为淋巴结阴性。两组之间的TNM分期2+的病例数相似。
结论
总之，研究结果表明，AI支持的筛查显著提高了癌症检出率，主要增加了小的、淋巴结阴性的浸润性癌的检出率。与标准阅片相比，AI显著减少了阅片工作量，但假阳性率相似。
AI的使用并未对共识会议、召回或假阳性率产生负面影响。这些结果强调了AI在不增加假阳性的情况下，提高临床相关乳腺癌早期检出率的潜力。
(全文结束)
