《柳叶刀-数字医疗》（The Lancet Digital Health）评论指出，随着人工智能（AI）的不断发展，AI辅助乳腺钼靶X线摄影检查正在逐渐成为新的选择。相关研究指出，与放射科医生的标准双人读片相比，AI辅助筛查策略使癌症检出率显著提高；同时，通过减少人工读片需求，AI辅助策略还使读片工作量减少了44.3%。
人工智能（AI）辅助乳腺钼靶X线摄影检查（mammography）是将AI系统整合至人群癌症筛查临床路径与决策过程的早期范例。由于能够在乳腺钼靶X线影像中检测出癌症的AI算法不断发展[1][2]，以及减缓双人读片负担的必要性，AI已然跨越了改变乳腺癌筛查实践的临界点。《柳叶刀-数字医疗》（The Lancet Digital Health）发表了一项研究，在对MASAI试验（全球首个评估AI辅助乳腺钼靶X线摄影检查的随机对照试验，在瑞典乳腺癌筛查项目中开展）105,915名参与者进行的符合方案分析中，报告了包括次要终点在内的初次筛查检测结果[3]。Veronica Hernström及其同事提供了比该随机对照试验前期安全性报告[4]更明确的结果。研究表明，与放射科医生的标准双人读片相比，AI辅助筛查策略使癌症检出率显著提高（6.4 vs 5.0/1,000人；P=0.0021）；召回率和假阳性率有小幅升高，但不显著。通过减少人工读片需求，AI辅助策略还使读片工作量减少了44.3%，证实了队列研究估计的效率相关结果[5]。这些发现与世界范围内评估、计划或开始着手将AI应用于乳腺钼靶X线摄影检查的服务相关，但对于乳腺钼靶X线摄影检查的人群筛查项目来说尤其重要。因为自欧洲、英国和澳大利亚等地区系统开展这类项目起，就一直以双人读片的方式实施。
该试验的设计是研究AI如何应用于乳腺癌筛查工作流程的一个创新范例。正在进行的乳腺筛查中应用AI的试验（截至2024年12月16日，有11项已注册的前瞻性试验；ClinicalTrials.gov)分析了应用与乳腺癌筛查的各种AI策略和系统，包括：使用AI替代读片者（考虑到提高劳动效率方面的潜力，这是早期研究工作的重点）；作为双人读片以外的第三位独立读片者；筛选检查的分类；提供决策支持；以及根据AI预测的个人风险定制筛查方案。鉴于人们越来越关注从基于年龄的乳腺癌筛查转向风险分层筛查，最后一项与AI预测乳腺癌风险有关的应用可能尤为重要。在MASAI试验中，AI用于单人读片或双人读片的筛查检查分类，也用作检测的辅助工具。检测辅助功能不仅包括为读片者提供乳腺钼靶X线影像上可疑区域的AI突出标记，还包括对整体风险进行AI评分，该评分大致将干预组的筛查结果按照十分位数分类，并将前1.2%标记为“超高风险” [3]。提供风险评分信息是为了创造作者所说的有益偏倚（beneficial bias；即向读片者突出癌症患病率高或低的可能性，允许读片者调整召回的隐性阈值，以尽量减少假阴性和假阳性）。尽管无法区分各个组成部分的具体贡献，但在MASAI试验中实施的这一整套AI信息包很可能导致报告的癌症检出率增加，而假阳性和召回率的小幅上升（不显著）。对这一工作流程（以及AI信息包）的改变可能会产生不同的结果，尤其可能改变召回率，因此，关注正在进行的试验中出现的新证据至关重要，以便确定在各种乳腺筛查实践和项目中使用AI的最有效策略。
筛查到的癌症特征表明，在AI辅助的筛查策略下，检出率提高的癌症包括了通常具有良好的预后特征且无淋巴结转移的浸润性乳腺癌，以及原位癌。由于原位癌在临床上可能不会进展，容易导致过度诊断[6]和过度治疗[7]，虽然基于这些描述性特征能够保证早期发现临床进展性癌症，但并不能否认在AI辅助筛查中有30%新筛出癌症为原位癌的事实[3]。因此，正如该试验作者所承认的，有必要等待随机对照试验的主要终点，即间期癌症发生率，以判断MASAI试验中AI辅助筛查所增加的癌症检出率，是否具有降低间期乳腺癌发生率的效果，这将有助于推断新增检出的癌症是否代表或包括临床进展性癌症。尽管如此，如果更多的试验或实施研究显示与MASAI试验大致相似的筛查-检测结果，并且考虑到女性的期望，人类读片者仍是筛查流程变革的核心部分，那么乳腺钼靶X线摄影检查的标准双人读片似乎可能会从系统的乳房筛查项目中逐步淘汰[8]。END
参考文献
[1]Anderson AW, Marinovich ML, Houssami N, et al. Independent external validation of artificial intelligence algorithms for automated interpretation of screening mammography: a systematic review. J Am Coll Radiol 2022;
19: 259–73.
[2]Dembrower K, Crippa A, Colón E, Eklund M, Strand F. Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study. Lancet Digit Health 2023; 5: e703–11.
[3]Hernström V, Josefsson V, Sartor H, et al. Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI): a randomised, controlled, parallelgroup, non-inferiority, single-blinded, screening accuracy study. Lancet Digit Health 2025; published online Feb 3. https://doi.org/10.1016/S2589-7500(24)00267-X.
[4]Lång K, Josefsson V, Larsson A-M, et al. Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study. Lancet Oncol 2023; 24: 936–44.
[5]Marinovich ML, Wylie E, Lotter W, et al. Artificial intelligence (AI) for breast cancer screening: BreastScreen population-based cohort study of cancer detection. EBioMedicine 2023; 90: 104498.
[6]Jatoi I, Pinsky PF. Breast cancer screening trials: endpoints and overdiagnosis. J Natl Cancer Inst 2021; 113: 1131–35.
[7]Hwang ES, Hyslop T, Lynch T, et al. Active monitoring with or without endocrine therapy for low-risk ductal carcinoma in situ: the COMET randomized clinical trial. JAMA 2024; published online Dec 12. https://doi.org/10.1001/jama.2024.26698.
[8]Carter SM, Popic D, Marinovich ML, Carolan L, Houssami N. Women’s views on using artificial intelligence in breast cancer screening: a review and qualitative study to guide breast screening services. Breast 2024; 77: 103783.
中文翻译仅供参考，所有内容以英文原文为准。
