《European Radiology》：Comparison of three algorithms to measure breast density on mammograms in a population-based screening cohort
编辑推荐：
目的：通过评估三种自动化算法在大型筛查人群中的一致性和与乳腺癌风险的关联，比较其乳腺密度评估结果。材料与方法：研究人员纳入了来自荷兰基于人群的PRISMA筛查队列（2014–2019）的61,514名女性。使用Volpara Density Grade第4版和
目的：通过评估三种自动化算法在大型筛查人群中的一致性和与乳腺癌风险的关联，比较其乳腺密度评估结果。材料与方法：研究人员纳入了来自荷兰基于人群的PRISMA筛查队列（2014–2019）的61,514名女性。使用Volpara Density Grade第4版和第5版、Quantra Density Assessment Software以及iCAD Density Assessment对每位参与者的单次筛查乳腺X线摄影进行乳腺密度量化。通过加权kappa统计评估分类输出之间的一致性。乳腺癌病例通过与荷兰癌症登记处链接确定（随访至2022年12月）。使用Cox比例风险模型分析五年乳腺癌风险的关联。区分能力通过受试者工作特征曲线下面积（AUC）评估。结果：算法之间观察到良好的一致性（kappa: 0.725–0.826）；跨供应商中最强的一致性出现在Volpara Density Grade第5版与Quantra Density Assessment Software之间（kappa=0.795）。然而，被分类为极度致密型乳腺（类别D）的女性比例存在差异（3.1%–8.4%）。在中位随访4.2年期间，识别出777例乳腺癌病例。乳腺癌风险和间期癌风险均随密度增加而升高，且各算法间幅度相似。分类测量在区分患有和未患有乳腺癌的女性（0.53–0.55）以及区分筛查检出癌与间期癌（0.57–0.60）方面产生相似的AUC。结论：三种自动化密度评估算法显示出较强的一致性和与乳腺癌风险可比较的关联。然而，分类差异——特别是被分类为完全脂肪型或极度致密型的比例——在个性化筛查策略中应予以考虑，因为这可能影响潜在补充筛查所需的能力。
**论文解读：三种自动化乳腺密度测量算法在基于人群筛查队列中的比较研究**
**研究背景与问题**
乳腺癌筛查通过早期发现和及时治疗降低死亡率。乳腺密度（breast density）定义为乳腺X线摄影图像上纤维腺体组织与脂肪组织的比例，是影响筛查性能和乳腺癌风险的关键因素。高乳腺密度不仅增加乳腺癌风险，还因遮蔽效应（masking effect）降低X线摄影灵敏度。因此，将乳腺密度纳入个性化筛查策略（如缩短筛查间隔或补充MRI检查）备受关注。传统上，乳腺密度由放射科医生基于BI-RADS（Breast Imaging Reporting and Data System）分类进行视觉评估，但该方法主观性强，存在显著的观察者间差异。为改善一致性，自动化算法被开发用于乳腺密度测量，且最新版本已与BI-RADS第5版标准对齐。然而，这些更新后的工具尚未被直接比较，且缺乏关于其与乳腺癌风险关联的清晰证据。此外，理解不同自动化密度分类下筛查检出癌与间期癌（interval cancer）率的差异对考虑遮蔽效应至关重要。因此，本研究旨在评估三种商用自动化算法（Volpara、Quantra和iCAD）在大型前瞻性筛查队列中密度测量的一致性及其与乳腺癌风险（总体及分别针对筛查检出癌和间期癌）的关联。
**研究方法与意义**
研究人员利用荷兰基于人群的PRISMA（personalized risk-based mammography screening）筛查队列数据，纳入2014-2019年间参加筛查的61,514名女性（年龄50-75岁，每两年一次X线摄影）。乳腺密度通过每名参与者的单次筛查乳腺X线摄影（包括头尾位CC和内外斜位MLO视图）使用三种自动化算法进行量化：Volpara Density Grade第4版（VDG4）和第5版（VDG5，Volpara Health）、Quantra Density Assessment Software（版本2.2，Hologic Inc.）以及iCAD Density Assessment（版本2.1.0.0.64，iCAD）。所有乳腺X线摄影均为未处理的全视野数字乳腺X线摄影，采集自Hologic系统（Selenia或Selenia Dimensions）。一致性通过加权kappa统计量评估，乳腺癌风险关联使用Cox比例风险模型分析，区分能力通过受试者工作特征曲线下面积（AUC）评估。乳腺癌病例通过荷兰癌症登记处链接确定（随访至2022年12月）。该研究的重要意义在于：为个性化筛查中算法的可互换性提供证据，并揭示分类差异对筛查资源规划的潜在影响。论文发表在《European Radiology》。
**主要关键技术与方法**（不超过250字）
1. **队列来源与样本**：来自荷兰基于人群的PRISMA筛查队列（2014-2019），纳入61,514名50-75岁女性，排除缺失未处理图像、假体植入、密度输出缺失及入组时筛查检出癌者。
2. **密度测量算法**：使用三种商用自动化软件：Volpara（基于物理的容积密度算法，输出VDG4和VDG5类别及容积乳腺密度百分比VBD%）、Quantra（机器学习方法，基于BI-RADS第5版标准输出类别）、iCAD（基于面积比方法，输出密度百分比及BI-RADS类别）。
3. **一致性评估**：采用加权kappa统计和绝对一致率分析分类输出间的一致性。
4. **风险分析**：使用Cox比例风险模型评估密度与五年乳腺癌风险的风险比（HR）；计算粗发生率分析筛查检出癌与间期癌模式；通过AUC评估判别性能。
**研究结果**
**基线特征与密度分布**
研究对象中位年龄60.1岁。不同算法将女性分类为极度致密型（类别D）的比例差异显著：VDG5为8.4%，VDG4为7.2%，Quantra为6.5%，iCAD为3.1%。最低密度类别（类别A）的比例同样存在差异：VDG4为33.2%，iCAD为23.5%，Quantra为14.4%，VDG5为10.7%。连续密度测量的中位值范围从5.6%（VBD%）到9.5%（iCAD致密组织百分比）。
**算法间一致性**
各算法间加权kappa范围为0.725-0.826，显示良好一致性。跨供应商中最强一致性出现在VDG5与Quantra之间（kappa=0.795，绝对一致率75.0%）。iCAD与VDG4之间一致性次之（kappa=0.781）。连续测量间Spearman相关系数介于0.898-0.903，表明强相关。不一致情况多涉及相邻类别，跨多个类别的不一致少见。
**与乳腺癌风险的关联**
中位随访4.2年，共识别777例乳腺癌（762例在5年内），其中419例筛查检出、317例间期癌、26例非筛查检出。所有算法的累计乳腺癌发病率随密度升高而增加，且各算法间发病率曲线形状相似。以类别B为参照，类别D的风险比（HR）在各算法间相似（如VDG5：HR≈2.3，iCAD：HR≈2.4）。连续测量每增加一个对数转换标准差，HR范围为1.22（VBD%）至1.29（iCAD致密组织百分比）。当分析仅考虑不一致分类的女性时，类别A和D的风险关联未发生变化，表明不一致分类不对风险估计产生偏倚。
**筛查检出与间期癌模式**
各算法下，间期癌粗发生率相对于筛查检出癌的比例均随密度增加而升高，且不同算法间变化幅度相似。例如，在密度最高类别中，间期癌率超过筛查检出癌率。判别性能方面，分类密度AUC在区分有无乳腺癌时为0.53-0.55，在区分筛查检出与间期癌时为0.57-0.60；连续测量AUC略高（0.56-0.62）。
**讨论与结论**
**讨论总结**
本研究是迄今为止最大规模比较多种自动化乳腺密度算法一致性的研究。结果表明三种算法间高度一致，且与乳腺癌风险及筛查检出/间期癌模式的关联相似。连续测量较分类测量提供略高的判别性能，提示在风险模型中可能具有增量价值。然而，各算法将女性分类为完全脂肪型（类别A）或极度致密型（类别D）的比例存在显著差异（例如iCAD的类别D比例仅3.1%，而VDG5达8.4%）。这一差异在个性化筛查中至关重要：若根据类别D决定加强筛查（如补充影像或缩短间隔），则不同算法将导致需要额外干预的女性数量产生巨大差异，进而影响所需医疗资源容量。同样，若考虑对类别A降低筛查强度（如延长间隔），算法选择将改变符合条件的人数。局限性包括：仅纳入三种算法（未包括深度学习等新方法）、所有图像来自单一供应商（Hologic）、缺乏金标准以评估算法的有效性，以及队列代表性可能有限。
**研究结论**（翻译原文结论）
在这个大型基于人群的筛查队列中，三种自动化乳腺密度算法显示出良好的一致性和与乳腺癌风险以及筛查检出癌和间期癌率的可比较关联，表明它们可以互换使用以支持密度评估。然而，被分类为完全脂肪型或极度致密型的女性比例差异在实施个性化筛查时应予以考虑，因为这些比例直接影响有资格降低或加强筛查的女性数量以及提供这些筛查所需的能力。
