人工智能辅助乳腺X线摄影肿瘤测量与病理一致性评估及多模态影像对比研究

为解决乳腺癌病灶大小测量准确性难题，研究人员开展了一项回顾性研究，评估人工智能(AI)基于异常评分(10%/50%/90%)的乳腺X线摄影测量与病理结果的吻合度。结果显示：50%异常评分时AI与病理一致性最佳(ICC=0.54)，对导管原位癌(DCIS)和HER2+癌症的测量优于传统乳腺X线摄影(ICC分别达0.76和0.73)，但52%病例存在测量差异，提示AI技术仍需优化。该研究为AI在乳腺癌精准诊疗中的应用提供了重要依据。

　　

这项开创性研究探索了人工智能(AI)在乳腺X线摄影(Mammography)上测量肿瘤尺寸的可靠性。科研团队回顾性分析了925名(平均55.3±11.6岁)乳腺癌患者的936个病灶，对比了AI系统(采用10%、50%、90%异常评分阈值)与数字乳腺X线摄影(DM)、超声(US)、磁共振成像(MRI)的测量结果。

令人振奋的是，当AI采用50%异常评分阈值时，与病理金标准的吻合度最高(ICC=0.54，95%CI:0.49-0.59)，与传统乳腺X线摄影相当(p=0.40)。特别值得注意的是，在导管原位癌(DCIS)和人表皮生长因子受体2阳性(HER2⁺)亚型中，AI展现出更优异的性能(ICC分别达到0.76和0.73)。

然而研究也发现，52%(487/936)的病例存在测量偏差，这些"不听话"的病例多发生在年轻、乳腺致密、多灶性病变的患者中。这项研究既展示了AI辅助诊断的潜力，又敲响了警钟——在追求技术突破的同时，仍需关注其在不同临床场景中的稳定性。