人工智能在乳腺影像学中的应用：从理论曙光到临床幻象？

本文探讨AI在乳腺影像学中的临床应用现状与挑战，涵盖乳腺X线摄影、超声、MRI等多种模态，分析AI在病灶检测、诊断支持和工作流优化方面的潜力与局限，强调需要更多真实世界验证研究。研究为AI在乳腺癌筛查中的规范化应用提供了重要参考依据。

　　

在医学影像领域，人工智能(AI)技术正掀起一场革命性变革，而乳腺影像学因其标准化程度高、数据量大等特点，成为AI应用的前沿阵地。然而，这项看似前景无限的技术在实际临床应用中却面临着诸多挑战，正如那句意味深长的引言所说："理论上的奇迹在实践中可能只是海市蜃楼"。来自瑞士南部大学(Università della Svizzera Italiana)和乌迪内大学(University of Udine)的研究团队在《European Radiology》上发表的重要述评，系统梳理了AI在乳腺影像学各领域的应用现状与发展瓶颈。

研究人员采用文献综述与专家评议相结合的方法，重点分析了AI在乳腺X线摄影、数字乳腺断层合成(DBT)、超声和MRI四大影像技术中的应用证据。研究团队特别关注了不同文化背景下（东西方）对AI技术的接受度差异，以及各类AI算法在真实临床环境中的表现验证。通过系统评估现有临床研究数据，包括多项前瞻性试验结果和回顾性分析，揭示了AI技术在乳腺影像诊断中的实际价值与局限性。

AI在乳腺X线摄影筛查工作流中的应用
研究表明，AI支持的阅片策略可显著提高乳腺癌检出率，同时大幅减轻放射科医生的工作负担。分流模型和决策支持系统有望优化双读流程，识别无需二次评估的低风险检查。然而，这些结果主要来自回顾性研究或经过筛选的数据集，缺乏真实世界试验和长期影响评估。

数字乳腺断层合成(DBT)中的AI进展
AI模型在DBT中的应用面临更大技术挑战，但已显示出减少阅片时间和提高诊断准确性的潜力。研究指出，AI可帮助放射科医生优先处理高风险病例，但受限于训练数据集不足、厂商间标准化缺失和计算资源需求高等问题，其广泛应用仍受制约。

乳腺超声的AI标准化探索
尽管超声检查高度依赖操作者，AI工具在标准化采集和提高病灶分类准确性方面展现出独特优势。多个商业系统已投入使用，但缺乏强有力的前瞻性验证研究，且在不同临床场景中的定位尚不明确，限制了其临床推广。

乳腺MRI的AI应用前景与挑战
作为最具发展潜力的领域，乳腺MRI的AI应用也面临最高门槛，主要障碍是缺乏标准化协议。正在研究的应用包括病灶检测、新辅助治疗反应预测、风险分层和肿瘤分型等。值得注意的是，在平衡数据集上的验证显示，AI算法在病灶检测方面的性能显著下降，突显了真实世界筛查数据验证的必要性。

该研究特别强调，将AI整合到乳腺癌筛查中需要超越影像学技术本身的全局考量。大型语言模型(LLM)在支持决策制定、标准化报告和整合临床指南方面显示出巨大潜力，其多模态能力有助于肿瘤分类和工作流优化。然而，研究者警告，未经适当领域适应性训练的临床直接应用存在风险。

从东西方文化差异视角，作者提出应倡导更具东方特色的AI研究路径，以患者诊断质量和护理水平提升为核心目标。研究团队在《European Radiology》发起专题征稿，旨在汇集AI在乳腺影像学领域过去、现在和未来的关键研究成果，特别欢迎关于AI算法在非平衡数据集中的表现、长期结果和伦理影响等方面的投稿。

这项研究的重要意义在于，它不仅系统梳理了AI在乳腺影像学各技术领域的应用现状，更指出了从实验室研究到广泛临床应用之间存在的显著差距。研究强调，AI技术的整合不仅是技术过程，更是文化过程，需要东西方不同哲学框架下的协同创新。研究结果为未来AI在乳腺影像学中的发展方向提供了重要指引，特别是强调了真实世界验证和长期随访研究的必要性，为这一领域的规范化发展奠定了理论基础。