AI助力乳腺癌筛查：早期发现更多癌症，突破性实验揭示新曙光

首个此类试验表明，人工智能辅助的乳腺X光检查可以改善乳腺癌患者的治疗结果，特别是对于那些病情较为严重的患者。

虽然许多人最近才开始在日常生活中接触人工智能（AI），但该技术在医学中的应用始于大约十年前，尤其是在基于图像的诊断领域。研究人员一直在训练AI程序，识别各种医学影像中的肿瘤及其他疾病迹象，例如X光、MRI和切片上的组织活检。

这些图像主要来自于已经确诊的患者，在“回顾性”研究中获取。了解诊断结果后，医生可以向AI提供反馈，确认其是否正确识别了癌症或判断图像是否无癌。这些研究表明，AI可能成为诊断医学中一项重要的工具。

然而，要知道AI工具是否真的能够诊断癌症并对患者产生影响，需要进行“前瞻性”研究——即使用AI工具诊断的患者在接下来的几年中被跟踪，以确定他们的健康结果。

现在，瑞典的研究人员进行了一项标准的试验，以评估AI在乳腺X光筛查中的应用。发表于1月31日的《柳叶刀》杂志上的乳腺X光筛查与人工智能（MASAI）试验的结果显示，AI支持的乳腺X光阅读可以提高筛查性能，同时减少放射科医生的工作负担。

这是首次证明AI能够改善乳腺癌患者治疗结果的研究。

早期发现癌症

定期筛查患者的做法在世界许多地方显著 减少了晚期癌症和乳腺癌死亡率。但即使定期进行乳腺X光检查，某些癌症仍可能未被发现。

这些 "间隔癌症" 在初次筛查时未被检测到，但在接下来的两年内或两次筛查之间被诊断。它们常常被遗漏，原因是在初次筛查时乳腺组织密度或肿瘤伪装成正常组织，导致未能发现。或者有时，它们可能在筛查日期之间迅速发展。

这些癌症是侵袭性的，扩散到附近的健康组织，并且通常具有攻击性，导致患者预后更差。间隔癌症发生率的下降是确认筛查方法有效性的最佳指标，这意味着它通过更早发现更多病例来降低晚期癌症的诊断。

“如果想提高筛查的有效性，那么间隔癌症发生率是乳腺癌死亡率的一个非常好的替代指标，”高级研究作者 克里斯蒂娜·朗博士，瑞典隆德大学的乳腺放射科医生和临床研究员，告诉《生活科学》。 “因此，如果我们能够降低间隔癌症的发生率，这可能会对患者的预后产生积极影响。”

MASAI试验包括了超过10万名年龄在40至80岁之间的瑞典女性。它使用了一种商业可用的人工智能系统，该系统是基于全球各大医疗机构超过20万次检查的数据进行训练的。

在对照组中，乳腺摄影由两名放射科医生进行解读，这在瑞典是标准做法。在AI辅助组中，AI系统分析乳腺摄影以寻找可疑发现，并提供1到10的风险评分。评分为1到9的病例随后由一名放射科医生进行解读，而评分为10的病例则由两名放射科医生进行解读。AI系统还能够在图像中突出显示可疑发现，以便人类放射科医生能够轻松审查。

AI辅助的筛查比无辅助的乳腺摄影识别出更多临床相关的癌症。“临床相关”癌症是指那些有潜力进展并因此需要医疗干预的癌症。

它还减少了筛查后两年内的间隔癌症诊断数量。这说明AI系统在发现那些人类放射科医生可能会漏掉的癌症方面更有效，从而使医疗治疗能够更早开始。

减少假阳性结果

虽然癌症筛查大多是有益的，但也存在一些潜在的缺点，例如假阳性结果和过度诊断。当患者在筛查后被召回进行复查但并没有癌症时，“这可能是一个非常有压力的经历，”Lång说。

后者，即过度诊断，是指筛查发现的癌症最终不会对患者造成伤害。这样的癌症生长得非常缓慢，以至于在患者的一生中不会引起症状或增加死亡的机会。过度诊断可能让健康的患者接受不必要的癌症治疗。

人工智能辅助乳腺摄影的目标是提高筛查测试发现癌症的能力，同时减轻假阳性等潜在的负面影响——研究发现，人工智能辅助筛查并没有增加假阳性的风险，并且提高了临床相关癌症的检测率。

除了提高癌症检测率，人工智能辅助筛查还可以解决放射科医生持续短缺的问题。

“在某些地方，能找到一个放射科医生来看乳腺X光片真是太幸运了，”华盛顿大学圣路易斯分校的放射肿瘤学家理查德·沃尔说，他并未参与这项研究。“如果没有专家放射科医生，女性就无法充分受益于筛查项目。”

此外，由于少数放射科医生工作时间更长，他们的表现下降。但人工智能不会感到疲倦，其表现不会在工作日结束时下降。

“劳动力问题是真实存在的，这项[研究]可能会产生影响，”沃尔说。“我觉得大家会慢慢对人工智能辅助解读，作为第二双眼睛，产生兴趣。”

朗和她的团队将在三月开始在埃塞俄比亚进行筛查试点，在此期间，他们将利用人工智能，通过床边超声在筛查项目中快速评估乳腺癌。

朗说：“在这些没有筛查项目的地方，问题在于许多女性在疾病晚期才来就医，而那里没有放射科医生。”借助人工智能的支持，朗希望能让更多人获得准确的筛查，从而在这些资源有限的地方实现乳腺癌的早期诊断。

本文仅供参考，并不提供医疗建议。