英国乳腺放射学会2024年会研究精选：乳腺影像诊断新技术与临床实践优化

为解决乳腺影像诊断中的性能差异、活检决策优化及人工智能应用等关键问题，研究人员围绕PERFORMS质量评估测试、年轻女性活检阈值调整、AI召回阈值选择等主题开展研究。结果显示经验丰富的筛查读者癌症检出率显著提高(86.2% vs 77%)，支持将U2病变活检年龄上限提升至30岁，并证实AI算法需根据单位特异性调整操作点。这些成果为优化乳腺癌早期诊断和个体化治疗提供了循证依据。

　　

乳腺影像诊断领域正面临多重挑战：筛查读者的表现差异显著影响早期癌症检出率，年轻女性不必要的活检带来身心负担，人工智能应用缺乏标准化阈值，而传统影像技术对多灶性病变的评估仍存争议。英国乳腺放射学会2024年会上发表的一系列研究，为这些临床痛点提供了创新解决方案。

诺丁汉大学团队通过分析710名参与PERFORMS（乳腺筛查个人表现评估）测试的读者数据，发现具有测试经验的读者癌症检出率(86.2%)显著高于新手(77%)，AUC差异达统计学意义(p=0.0021)。该研究证实，每年接触80-90例挑战性病例的训练可显著提升诊断准确性，这对英国NHS要求每位读者每年报告5,000例但仅接触35例癌症的现状具有重要改进意义。

针对年轻女性过度活检问题，Bart's Health NHS Trust的多中心研究颠覆了现行指南。通过对1,053例U2/U3病变的分析，证实30岁以下女性98%的活检结果为良性，支持将免活检年龄阈值从25岁提升至30岁。这一发现尤其适用于伦敦等多元族裔社区，可显著减少不必要的侵入性操作。

在人工智能应用领域，诺丁汉大学与剑桥大学合作开发了基于PERFORMS测试集的AI阈值优化方案。研究发现，当匹配65个筛查单位的平均灵敏度(85.4%)时，AI召回阈值需在12-33之间动态调整，强调个性化阈值设置对AI临床应用的关键作用。

关键技术方法包括：回顾性队列分析（如1,053例核心针活检数据）、视觉模拟量表(VAS)评估乳腺密度（11名读者参与）、多中心MRI与CEM对比研究（122例患者）、以及AI算法(Lunit INSIGHT MMG v1.1.8.0)的性能验证。

主要研究结果
01. 经验对筛查性能的影响
通过标准化PERFORMS测试集比较发现，经验组在癌症检出率(p=0.0000)和正确召回率(p=0.0000)上均显著优于新手组，证实定期质量评估对维持诊断水平至关重要。

02. 年轻女性活检阈值优化
1053例活检数据显示U2病变100%为良性，支持将免活检年龄上限提升至30岁，可减少23%的不必要活检（现行指南为25岁以下）。

03. 乳腺密度与复发预测
MEDICI研究中期分析显示，11名读者使用VAS评估乳腺密度的组内相关系数(ICC)达0.86，证实该方法可有效监测内分泌治疗后的密度变化与复发关联。

04. MRI与CEM的比较
埃及开罗大学的研究表明，MRI对多灶性病变灵敏度更高(95.12%)，而CEM特异性更优(64.71%)，两者一致性中等(k=0.592)，提示需根据临床需求选择模态。

05. AI阈值选择
匹配不同筛查单位性能时，AI召回阈值需在12-33间浮动，凸显算法本地化配置的必要性。

结论与展望
这些研究为乳腺影像实践提供了三级优化路径：在操作层面，通过PERFORMS测试标准化培训可提升22%的癌症检出率；在决策层面，修订年轻女性活检指南可减少1/4的过度医疗；在技术层面，AI与新型影像模态的整合需考虑人口统计学差异。特别值得注意的是，Northwick Park医院对3,449例乳腺痛患者的研究挑战了现行指南——其9.3/1,000的癌症检出率甚至高于筛查人群，提示单纯症状管理可能遗漏59.4%的非筛查年龄段癌症。未来研究应聚焦乳腺密度动态监测、AI辅助诊断的伦理规范，以及资源有限地区CEM替代MRI的可行性。这些成果发表于《Breast Cancer Research》，标志着乳腺影像学正从经验医学向数据驱动医学的范式转变。