Artificial Intelligence in Mammography Screening in Norway (AIMS Norway): Protocol for a randomized controlled trial

该论文介绍了“挪威人工智能乳腺 X 线摄影筛查（AIMS Norway）”试验方案，旨在通过一项随机对照试验评估基于 AI 风险分层的单读或双读策略是否能在不降低乳腺癌检出率的前提下，有效应对放射科医生短缺并优化筛查工作流程。

要点

这是一份关于**“人工智能（AI）如何帮助挪威乳腺癌筛查”的临床试验方案。为了让你更容易理解，我们可以把这项研究想象成一次“智能交通管理系统”的升级测试**。

🎬 故事背景：繁忙的“体检中心”

想象一下，挪威有一个巨大的**“乳腺健康体检中心”**（BreastScreen Norway）。

• 现状：每年有几十万名 50 到 69 岁的女性来这里做检查。
• 规则：为了保险起见，每一份 X 光片（乳腺钼靶）都要由两位经验丰富的“侦探”（放射科医生）独立查看。如果其中一位觉得“有点不对劲”，就会把片子交给更多人讨论，决定是否需要进一步检查。
• 问题：
  1. 侦探不够用：全球都缺放射科医生，人手严重不足。
  2. 大部分是“平安无事”：99% 的片子都是正常的（就像 99% 的路口没有车祸），但两位侦探必须把每一张片子都仔细看一遍，这非常浪费时间。
  3. 漏网之鱼：有时候，一个侦探没看出来的问题，另一个也没看出来，导致癌症被漏诊。

🤖 主角登场：超级助手"Transpara"

为了解决人手不足的问题，研究团队引入了一位AI 超级助手，名字叫 Transpara。

• 它的超能力：它能瞬间扫描成千上万张片子，并给每张片子打分（1 到 10 分）。
  • 1-7 分：非常安全，几乎肯定是正常的（就像绿灯路口）。
  • 8-10 分：风险较高，需要重点关注（就像红灯或黄灯路口）。

🧪 实验设计：两种“交通指挥”模式

这项研究就像是一场**“交通指挥大比拼”**，将参加体检的女性随机分成两组，看看哪种指挥方式既安全又高效：

🚦 A 组：传统模式（对照组）

• 做法：完全照旧。不管片子看起来多正常，两位侦探都要独立、仔细地看一遍。
• 目的：作为“基准线”，用来衡量新方法好不好。

🚦 B 组：AI 智能模式（实验组）

• 做法：AI 先当“安检员”快速过一遍，根据分数决定派几个侦探：
  • 如果是 1-7 分（低风险）：只派一位侦探看。因为 AI 说“这很安全”，我们信任它，省下一个侦探的时间。
  • 如果是 8-10 分（高风险）：派两位侦探看。因为 AI 觉得“这可能有危险”，必须加倍小心，像传统模式一样。
• 关键细节：侦探们在刚开始看片子时，不知道AI 给了多少分，也不知道这是实验组。他们必须凭自己的眼睛判断。只有当大家开会讨论“要不要召回病人”时，才会把 AI 的分数拿出来参考。这就像侦探先自己破案，最后才参考警局的数据库，防止他们被 AI“带偏”。

🎯 我们要证明什么？（核心目标）

研究团队想证明：“智能模式”不会比“传统模式”差。

• 主要指标：看两组里发现了多少癌症。

  • 如果 B 组（AI 辅助）发现的癌症数量和 A 组（传统）一样多，或者只少一点点（在可接受的范围内），那就说明AI 模式是安全的。
  • 如果 B 组漏掉了太多癌症，那实验就失败了。

• 次要指标：

  • 有没有把正常人误抓去复查？（召回率）
  • 医生们省下了多少时间？（工作效率）
  • 那些漏掉的癌症（如果在两次检查之间发现）是不是变多了？

🏁 为什么这很重要？

这就好比我们想给城市交通引入**“智能红绿灯”**。
以前，每个路口都要两个交警站着指挥，不管有没有车。现在，我们想试试：如果 AI 说“没车”，就只留一个交警；如果 AI 说“有车”，就留两个交警。

这项研究的目的就是回答：

“如果我们相信 AI 的‘安检’，让它在低风险时只派一个医生，我们会不会漏掉癌症？如果不会，那我们就能用更少的人力，照顾更多的女性，让筛查系统更可持续。”

📝 总结

• 谁在做：挪威癌症登记处和公共健康研究所。
• 怎么做：招募约 16.5 万名女性，随机分组，对比“双医生”和"AI 辅助的单/双医生”模式。
• 最终愿景：如果实验成功，未来我们可能不再需要每份片子都看两遍，而是让 AI 帮我们把精力集中在真正有风险的地方，既解决了医生短缺问题，又保证了大家的安全。

这是一次大胆但谨慎的尝试，旨在用科技的力量，让乳腺癌筛查变得更聪明、更高效，同时绝不牺牲安全性。

技术摘要

这是一份关于《挪威人工智能乳腺 X 线摄影筛查（AIMS Norway）：随机对照试验方案》的详细技术总结。该文档目前为预印本（Preprint），主要阐述了研究的设计方案、背景及预期目标，尚未报告最终实验结果。

1. 研究背景与核心问题 (Problem)

• 全球挑战：乳腺癌筛查面临筛查量增加、放射科医生全球性短缺以及正常乳腺 X 线照片比例极高（超过 99%）的三重压力，严重影响了筛查项目的效率和可持续性。
• 现有局限：
  • 挪威目前的筛查标准是“独立双读”（由两名放射科医生独立阅片，如有分歧则进行共识会议）。
  • 研究表明，约四分之一的筛查发现癌症在初读时会被其中一名医生漏诊。
  • 回顾性分析显示，20-25% 的筛查发现癌症和间期癌症（两次筛查间因症状发现的癌症）在之前的影像中其实可见，凸显了人工读片的主观性和局限性。
• 核心问题：如何在放射科医生资源受限的情况下，通过引入人工智能（AI）优化工作流程（例如减少不必要的双读），同时不降低乳腺癌的检出率？

2. 研究方法 (Methodology)

本研究是一项随机、对照、平行组、非劣效性、单盲临床试验。

• 研究地点与对象：
  • 地点：挪威西部、中部和北部区域卫生管理局。
  • 对象：所有受邀参加“挪威乳腺筛查计划”（50-69 岁女性）的参与者。
  • 样本量：计划招募约 165,230 名女性（基于 80% 的参与率），对应约 132,184 份有效检查，分为两组（每组约 66,092 份）。
• 分组设计 (1:1 随机化)：
  • 对照组 (Control Group)：维持标准流程，由两名放射科医生进行独立双读。AI 分析仅在研究结束后回顾性进行，不干预临床决策。
  • 干预组 (Intervention Group)：引入 AI 辅助的风险分层策略。
    • AI 工具：使用经 CE 认证的 Transpara® 系统（ScreenPoint Medical）。该系统基于卷积神经网络，生成 1-10 分的恶性风险评分（1 为低风险，10 为高风险）。
    • 读片策略：
      • AI 评分 1-7（低风险）：由一名放射科医生进行单读。
      • AI 评分 8-10（中/高风险）：由两名放射科医生进行独立双读。
    • 盲法设计：放射科医生在初次阅片时不知道AI 评分和 AI 标记（图像上有不可移除的水印，医生知道是研究组，但不知道具体评分）。AI 评分和标记仅在共识会议（Consensus Meeting）中披露，用于辅助决策。
• 主要终点：
  • 非劣效性检验：比较两组间“筛查发现的乳腺癌病例数”（包括原位癌 DCIS 和浸润性癌）。
  • 非劣效性界值：设定为 0.0012（即干预组每 1000 次检查的癌症检出率不低于对照组 6.1/1000 减去 1.2/1000，即 4.9/1000）。
  • 统计要求：80% 的检验效能，单侧 $\alpha = 0.025$。
• 次要终点：共识率、召回率、间期癌症率、肿瘤病理特征、读片及共识会议耗时等。
• 伦理与监管：已获得伦理委员会批准（REC #366405），设有数据监测与安全委员会（DSMB）每六个月审查一次。

3. 关键贡献与创新点 (Key Contributions)

• 首个大规模前瞻性 RCT：这是首个在人群为基础的乳腺筛查项目中，评估基于 AI 风险分层的“单读/双读”混合策略的随机对照试验。
• 解决“自动化偏见”的设计：通过盲法设计（阅片时隐藏 AI 结果），确保放射科医生基于影像本身做出判断，仅在共识阶段利用 AI 信息，从而保证研究内部效度，避免 AI 评分直接诱导医生决策。
• 优化资源配置的实证：旨在验证是否可以将低风险病例（约占 70%）从双读转为单读，从而释放放射科医生资源去专注于高风险病例，同时保持整体筛查质量。
• 严格的非劣效性框架：直接以“癌症检出率”作为核心安全指标，而非仅仅关注 AI 的准确性，这为 AI 在临床工作流中的实际部署提供了更直接的证据。

4. 研究结果 (Results)

• 当前状态：本文档为试验方案（Protocol），研究正在进行中或处于设计阶段。
• 结果说明：文中未包含最终的实验数据、癌症检出率对比或统计显著性结果。
• 预期产出：研究完成后，将提供关于 AI 支持策略是否非劣于标准双读策略的确凿证据，并评估其对召回率、工作负荷和间期癌症率的影响。

5. 研究意义 (Significance)

• 政策指导：如果研究证实非劣效性，将为全球乳腺筛查项目提供强有力的证据，支持从传统的“全员双读”向"AI 分层的混合读片模式”转型，解决放射科医生短缺危机。
• 可持续性：通过减少低风险病例的重复读片，显著降低筛查成本和工作量，确保筛查项目在人口老龄化和医疗资源紧张背景下的长期可持续性。
• AI 临床整合范式：该研究确立了 AI 在医疗诊断中“辅助决策”而非“完全替代”的整合路径，展示了如何利用 AI 进行风险分层，从而在保持人类专家最终判断权的同时提升效率。
• 全球影响：鉴于乳腺癌筛查在全球范围内的普及，该研究的结论可能影响欧洲乃至全球其他国家的筛查指南和卫生政策制定。

总结：AIMS Norway 试验是一项具有里程碑意义的研究，旨在通过严谨的随机对照设计，验证 AI 驱动的差异化读片策略能否在保障乳腺癌检出率不下降的前提下，有效缓解放射科医生的工作负担。其结果将决定 AI 是否能在大规模公共卫生筛查项目中成为标准工作流的一部分。