人工智能可以检测出筛查遗漏的三分之一的间期乳腺癌病例

根据今天发表在《放射学》杂志上的一项研究，用于乳腺癌筛查的人工智能算法可以提高数字断层合成乳房X光摄影 (DBT) 的性能，将间隔癌发生率降低多达三分之一。

间歇性乳腺癌是指在常规筛查乳房X光检查之间诊断出的有症状的肿瘤。由于病情更具侵袭性且肿瘤生长迅速，这类病例的预后通常较差。DBT（即3D乳房X光检查）可以更好地显示乳腺病变，并能识别可能被致密组织隐藏的肿瘤。然而，由于DBT是一项相对较新的技术，近期采用该技术的机构中患者的长期预后数据仍然有限。

“鉴于DBT筛查10年后乳腺癌死亡率数据匮乏，间期癌症发生率通常被用作替代指标，”该研究作者、麻省总医院乳腺成像质量主任、哈佛医学院副教授Manisha Bahl博士解释说。
“该比率的下降表明乳腺癌发病率和死亡率下降。”

研究：人工智能可识别未被发现的肿瘤

在一项涵盖1376例病例的研究中，Bal及其同事回顾性分析了224名接受DBT筛查的女性中的224例间期癌。在这些图像中，Lunit INSIGHT DBT v1.1.0.0 AI算法正确定位了32.6%（224例中的73例）先前未检测到的肿瘤。

Bahl 表示：“我们很惊讶，在乳房 X 光检查结果中，几乎三分之一的间隔性肿瘤被人工智能算法检测并准确定位，而这些肿瘤之前被放射科医生解读为正常，这凸显了人工智能作为‘第二读取器’的潜力。”

据研究人员称，这可能是第一篇专门研究使用人工智能在 DBT 图像上检测间隔癌的已发表研究。

Bal 解释说：“AI 以前曾用于在传统 2D 数字乳房 X 光检查中检测间隔癌，但据我们所知，文献中还没有关于 AI 检测间隔肿瘤（特别是在 3D 断层合成扫描中）的已发表研究。”

方法论：在病变层面，而不仅仅是快照

为了避免高估算法的敏感性，Bal 的团队使用了针对病变的分析：只有当人工智能正确识别并定位肿瘤的确切位置时，才会获得“得分”。

“相比之下，即使注释不正确，全图像分析也能让AI‘通过’，从而人为地提高了灵敏度，”她补充道。
“关注病变定位的准确性，可以更可靠地评估算法的临床性能。”

人工智能到底发现了什么？

• 该算法检测到的肿瘤往往较大
• 更常见的情况是，他们最终会出现淋巴结损伤
• 这可能意味着人工智能主要识别侵袭性或快速生长的肿瘤，或者那些已经处于晚期但在筛查期间被医生遗漏的肿瘤。

总体结果：

在 1,000 名患者中（包括确诊肿瘤的患者和良性或假阳性结果的患者），AI：

• 正确定位了 334 例真阳性病例中的 84.4%
• 对 333 个真阴性样本进行了 85.9% 的正确分类
• 333 个假阳性案例中，73.2% 被拒绝为假阳性

结论与意义

Bahl 博士说：“我们的研究表明，AI 算法可以回顾性地检测并准确定位 DBT 筛查图像上近三分之一的间隔性乳腺癌，这表明它有可能降低间隔性癌症的发病率并改善筛查结果。”

我们的研究结果支持将人工智能整合到DBT工作流程中，以提高癌症检测的准确性。然而，真正的影响将取决于放射科医生在临床实践中采用和调整人工智能的程度，以及在不同临床环境中测试其有效性的程度。