AI支持的临床决策算法减少年轻女性良性乳腺活检而不遗漏恶性肿瘤

《Diagnostics》：Reducing Benign Breast Biopsies in Women Aged 35 Years or Younger Using a Clinician–AI–Age Triage Strategy

　　摘要背景/目的：有症状的乳腺服务面临着日益增长的诊断需求，而年轻女性中超声表现为良性的病变常接受活检，尽管恶性肿瘤的患病率较低。本研究评估了结合患者年龄、临床医师超声评估和人工智能（AI）决策支持的一种基于规则的临床决策算法，能否识别出一个可避免活检的亚组，同时不将恶性肿瘤从活检路径中排除。方法：采用前瞻性收集的服务评估数据进行回顾性分析，纳入2025年5月至12月期间就诊于一家大型NHS乳腺科的240名患者（254个病灶）。记录临床医师超声评估、KOIOS DS Breast AI输出及组织病理学结果。年龄≤35岁女性中，若临床医师评估为U2或U3且KOIOS AI评估为BI-RADS 2的病灶符合活检规避条件。组织病理学为参考标准。次要分析比较了临床医师和AI的诊断性能。从NHS提供者角度进行了一项说明性五年预算影响分析。结果：在151个≤35岁女性病灶中，146个为良性，5个为恶性。该算法将87个病灶归类为可避免活检（57.6%；95% CI，49.3–65.6%）。其中67个（77.0%）临床医师评估为U3。全部87个病灶在组织病理学上均为良性（100%；95% CI，95.8–100%），而全部5个恶性病灶仍保留在活检路径中。临床医师评估的特异性高于AI（99.1% vs. 75.7%），而AI的敏感性更高（96.9% vs. 81.3%）。在说明性经济模型中，规避87次活检与评估期间约85,000英镑的毛成本抵减相关。结论：AI支持的临床决策算法可在维持该队列癌症检出率的同时，大幅减少年轻女性中的良性活检活动。由于恶性肿瘤数量较少、单中心设计及活检人群的特点，在常规临床实施前需要进行前瞻性多中心验证。