编辑推荐：
为评估人工智能（AI）检测系统对数字化乳腺断层合成（DBT）筛查的影响，研究人员对比了 AI 使用前后放射科医生的乳腺癌筛查表现。结果显示，AI 使癌症检出率（CDR）上升、异常解读率（AIR）下降，阳性预测值（PPV1、PPV3）显著提高，对乳腺癌筛查意义重大。
在女性健康领域，乳腺癌就像一颗 “定时炸弹”，时刻威胁着全球女性的生命。2020 年，全球预估有 226 万新确诊的女性乳腺癌病例，68.5 万女性因乳腺癌失去生命 。乳腺癌已然成为女性群体中发病率最高的癌症，也是导致女性癌症死亡的 “头号杀手”。美国放射学院建议，平均风险的女性从 40 岁起每年进行乳腺钼靶筛查；高风险女性则要在 25 - 40 岁就开启年度筛查。
传统的乳腺癌筛查方法存在一定的局限性，例如漏诊、误诊的情况时有发生。为了提高乳腺癌的筛查准确率，降低漏诊和误诊率，让更多女性能够早发现、早治疗，印第安纳大学的研究人员开展了一项极具意义的研究。他们将研究成果发表在了《Clinical Breast Cancer》杂志上。
研究人员开展的是一项回顾性研究。在两个不同时间段，选取了 4 名放射科医生，对来自 3 个临床站点的数字化乳腺断层合成（Digital Breast Tomosynthesis，DBT）筛查乳腺 X 光片进行解读。在 AI 系统应用前，也就是 2018 年 9 月 1 日至 2019 年 8 月 31 日期间，共解读了 10322 份标准 DBT 影像，当时使用的是计算机辅助检测系统。而在 AI 系统应用后，即 2020 年 1 月 1 日至 3 月 18 日以及 5 月 4 日至 12 月 31 日，共解读了 6407 份 DBT 影像，此时使用的是深度学习 AI 支持系统。研究人员重点关注癌症检出率（Cancer Detection Rate，CDR）、异常解读率（Abnormal Interpretation Rate，AIR），以及异常解读筛查（PPV1）和活检（PPV3）中癌症的阳性预测值这些指标。
研究中，关键技术方法主要是回顾性分析，对不同时间段、不同系统辅助下的 DBT 影像解读数据进行收集和整理。样本队列来源于 3 个临床站点，涵盖了 AI 应用前后不同时期的病例数据。
研究结果如下：
- 癌症检出率提升：每 1000 次检查的 CDR 从无 AI 时的 3.7 上升到有 AI 时的 6.1，两者差值为 2.4（p = 0.008，95% CI：0.6，4.2），这表明 AI 的应用显著提高了癌症的检出数量。
- 异常解读率降低：AIR 从无 AI 时的 8.2% 降至有 AI 时的 6.5%，差值为 - 1.7（p < 0.001，95% CI： - 2.5， - 0.8），说明 AI 减少了不必要的异常解读情况。
- 阳性预测值显著增加：PPV1 从 4.2% 提升到 8.8%（差值 4.6，p < 0.001，95% CI：3.0，6.3）；PPV3 从 32.3% 提高到 56.5%（差值 24.2，p = 0.033，95% CI：2.0，46.4）。这意味着在异常解读和活检中，AI 辅助下判断为癌症的准确性大大提高。
从研究结论和讨论部分来看，这项研究意义非凡。在真实世界的 DBT 筛查中，AI 检测系统的应用切实提高了 CDR，降低了 AIR，同时显著提升了 PPV1 和 PPV3。这不仅有助于更精准地发现乳腺癌，减少漏诊和误诊，还能让医疗资源得到更合理的利用，为乳腺癌患者争取更宝贵的治疗时间，对于推动乳腺癌早期筛查和诊断的发展有着不可忽视的作用，为女性乳腺癌防治提供了更有力的技术支持和保障。
