近日發(fā)表在《Radiology》雜志上的一項研究顯示，由北美放射學(xué)會（RSNA）舉辦的乳腺癌篩查人工智能挑戰(zhàn)賽中提交的算法表現(xiàn)優(yōu)異，顯著提升了乳腺癌篩查的靈敏度，同時保持了較低的誤召回率，為乳腺癌的早期發(fā)現(xiàn)和診斷帶來了新的希望。

該挑戰(zhàn)賽于2023年舉行，吸引了來自全球超過1500支團隊的參與，規(guī)模之大創(chuàng)下了RSNA歷屆人工智能挑戰(zhàn)賽的紀錄。此次比賽旨在尋找能夠提升乳腺X線攝影（乳腺鉬靶）癌癥檢測自動化水平的AI模型，幫助放射科醫(yī)生更高效地完成篩查任務(wù)，提升患者護理質(zhì)量與安全性，同時降低醫(yī)療成本和避免不必要的醫(yī)療程序。

來自英國諾丁漢大學(xué)的癌癥篩查教授陳艷（Yan Chen, Ph.D.）帶領(lǐng)的研究團隊對所有參賽算法進行了全面性能評估。訓(xùn)練數(shù)據(jù)集由美國佐治亞州埃默里大學(xué)和澳大利亞維多利亞乳腺篩查中心提供，共計約11,000張乳腺篩查影像，參賽者也可使用其他公開的訓(xùn)練數(shù)據(jù)。評測使用了一套獨立的測試數(shù)據(jù)，包括10,830個單側(cè)乳腺檢查影像，這些病例均由病理學(xué)結(jié)果確診為陽性或陰性。

結(jié)果顯示，所有算法的中位特異性高達98.7%，即對無癌病例的正確識別率極高；靈敏度為27.6%，即對陽性癌癥病例的檢出率；誤召回率僅為1.7%。更值得關(guān)注的是，當(dāng)將排名前三和排名前十的算法組合（ensemble）使用時，靈敏度分別提升至60.7%和67.8%，表明不同算法之間在癌癥檢測上具有很強的互補性。

陳教授表示：“不同AI算法在檢測癌癥時關(guān)注的圖像特征存在差異，這種互補性使得組合算法能夠覆蓋更多癌癥類型和表現(xiàn)，提高整體的檢測效果?！彼€指出，組合十款表現(xiàn)最好的算法，其檢測性能已經(jīng)接近歐洲或澳大利亞篩查放射科醫(yī)師的平均水平。

然而，算法的表現(xiàn)受多種因素影響，包括癌癥類型、影像設(shè)備廠商及采集影像的臨床場所?？傮w而言，算法對侵襲性癌癥的檢測靈敏度高于非侵襲性癌癥。

由于許多參賽AI模型均為開源，陳教授認為此次挑戰(zhàn)賽的成果將促進實驗性和商業(yè)化乳腺癌AI工具的進一步優(yōu)化，助力全球乳腺癌篩查水平的提升。她強調(diào)：“通過公開算法及綜合影像數(shù)據(jù)集，參賽者為后續(xù)研究提供了寶貴資源，也為AI安全有效地融入臨床實踐奠定了基石?！?/p>

接下來，研究團隊計劃用更大規(guī)模、更具多樣性的影像數(shù)據(jù)集，對本次挑戰(zhàn)賽表現(xiàn)最優(yōu)的算法與市場上的商業(yè)產(chǎn)品進行對比測試。此外，團隊還將探索基于更小、更具挑戰(zhàn)性的測試集與強人類讀片基準（如英國PERFORMS計劃制定的標(biāo)準）相結(jié)合的評估方法，以驗證其對AI性能評價的有效性。

值得一提的是，RSNA每年都會舉辦AI挑戰(zhàn)賽，2025年賽事的主題將聚焦于腦動脈瘤的檢測與定位，持續(xù)推動醫(yī)學(xué)影像人工智能領(lǐng)域的發(fā)展與應(yīng)用。

參考文獻：Performance of Algorithms Submitted in the 2023 RSNA Screening Mammography Breast Cancer Detection AI Challenge,?Radiology?(2025).

編輯：周敏

排版：李麗