一項(xiàng)由荷蘭研究人員開展的大規(guī)模回顧性研究顯示，一種結(jié)合人工智能（AI）和放射科醫(yī)師的混合閱片策略，在乳腺癌篩查中可將放射科醫(yī)師的工作量減少 38%，而不影響召回率和癌癥檢出率。相關(guān)成果已發(fā)表于《Radiology》。

“盡管當(dāng)前最先進(jìn)的AI模型整體表現(xiàn)非常出色，但它們?nèi)詴稿e。”荷蘭拉德堡德大學(xué)醫(yī)學(xué)中心影像科博士生 Sarah D. Verboom 表示，“識別出AI解讀結(jié)果不可靠的情況，對于在乳腺癌篩查中安全、合理地應(yīng)用AI至關(guān)重要?！?/p>

策略核心：AI置信度

該混合策略的思路是：

• AI首先評估所有乳腺X線片，并輸出兩項(xiàng)指標(biāo)——惡性概率（Probability of Malignancy，PoM）和不確定性評分；

• 當(dāng)AI結(jié)果低于閾值且置信度高時，直接判定為正常，無需人工復(fù)核；

• 當(dāng)AI結(jié)果高于閾值且置信度高時，直接召回進(jìn)一步檢查；

• 其余不確定的病例，則由放射科醫(yī)師進(jìn)行雙讀。

研究人員使用了荷蘭國家乳腺癌篩查項(xiàng)目中 4.1萬余例乳腺X線片（來自1.5萬余名女性，年齡中位數(shù)59歲） 的數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果顯示：該策略與標(biāo)準(zhǔn)雙讀相比，召回率（23.6‰ vs. 23.9‰）和癌癥檢出率（6.6‰ vs. 6.7‰）幾乎一致，但閱片工作量降低至 61.9%。

AI表現(xiàn)亮點(diǎn)與局限

• 在AI判定“有把握”的病例中，其診斷性能優(yōu)于人工雙讀，AUC達(dá)到 0.96（vs. 0.87）；

• 敏感度接近雙讀（85.4% vs. 88.9%）；

• 年輕且乳腺致密的女性更容易被AI判為“不確定”，需要人工復(fù)核；

• 盡管大部分AI結(jié)果最終交由人類醫(yī)生裁定，但 19% 的召回決定完全由AI獨(dú)立完成。

Verboom指出：“這項(xiàng)研究的關(guān)鍵不在于具體如何分配工作量，而在于強(qiáng)調(diào)了AI模型中加入不確定性量化的重要性。未來若能在商業(yè)化產(chǎn)品中廣泛應(yīng)用，將有助于應(yīng)對放射科人力緊缺，并提升公眾對AI篩查的信任度?！?/p>

前景與挑戰(zhàn)

研究團(tuán)隊(duì)強(qiáng)調(diào)，目前還需要更多前瞻性臨床試驗(yàn)來驗(yàn)證該策略的實(shí)際應(yīng)用價值。Verboom表示：“未來我們可能真的會進(jìn)入這樣一個階段——部分女性的篩查片在沒有任何放射科醫(yī)生審閱的情況下，由AI直接判定為正常。但在到達(dá)這一點(diǎn)之前，還需要完善的不確定性指標(biāo)和嚴(yán)格的質(zhì)量控制?！?/p>

參考文獻(xiàn)：AI Should Read Mammograms Only When Confident: A Hybrid Breast Cancer Screening Reading Strategy,?Radiology?(2025).

編輯：王洪

排版：李麗