AI-Assisted Mammography Screening: A Systematic Review and Meta-Analysis of Cancer Detection, Recall Rates and Workflow Outcomes
这项针对包含超过110万次筛查检查的十二项研究进行的系统评价和荟萃分析表明，将人工智能整合到乳腺X线摄影筛查中，与标准双重读片相比，在保持或降低召回率的同时，显著提高了癌症检出率并减轻了放射科医生的工作量。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
乳腺癌是全球女性中最常见的癌症。为了实现早期发现，许多国家组织了筛查项目，让女性接受乳腺 X 线摄影（即乳房钼靶检查），这是一种专门的乳房 X 射线影像。这些筛查已被证明能够挽救生命，显著降低了因该疾病导致的死亡人数。然而，解读这些影像对人类医生来说是一项沉重的负担。单次乳腺 X 线摄影检查都需要高度的专注，为了确保准确性，大多数项目采用一种系统，即由两名医生独立查看每一张影像。如果两人意见不一，则由第三名医生介入。这种双重检查的方法虽然有效，但速度慢、成本高，且随着人口老龄化和需要筛查的女性人数增加，难以实现规模化扩展。
近年来，由人工智能驱动的计算机系统被引入以协助这项工作。这些系统利用深度学习——一种通过学习数百万个案例来识别模式的技术——来发现乳腺 X 线摄影中的癌症迹象。早期的这类技术往往会造成混乱而非清晰度，会将过多的健康乳房标记为可疑。但更新、更先进的系统已经改变了局面。如今，医生和卫生官员面临的问题是，这些现代工具是否真的能在现实世界的医院中改善筛查流程，在不引起不必要的恐慌或使医疗人员不堪重负的情况下，发现更多的癌症。
一项针对最新研究的全面综述提供了明确的答案。研究人员收集了 2021 年至 2026 年间进行的十二项重大研究的数据，这些研究涵盖了欧洲、亚洲和美国的一百多万次筛查检查。他们专门观察了人工智能如何影响三个关键结果：发现的癌症数量、被召回进行进一步检查的女性人数，以及人类医生的工作量。研究结果表明，当这些人工智能系统被正确使用时，它们确实可以使筛查过程变得更好。
综述发现，将人工智能加入筛查流程有助于医生发现更多癌症。在所分析的研究中，每筛查一千名女性，检测到的癌症病例数增加了大约七到十例。这听起来可能是一个很小的数字，但在大型国家项目中，这转化为每年数百例额外的早期诊断。至关重要的是，这种进步并没有以增加患者焦虑为代价。被召回进行进一步检查的女性比例保持稳定，甚至略有下降。这意味着人工智能系统能更好地区分无害组织和实际癌症，避免了困扰旧有筛查方法的假阳性问题。
这些系统的使用方式至关重要。综述强调了两种主要方法。在一种模型中，人工智能充当“第二双眼睛”，在为人类医生提供第二意见的同时审查每一张影像。在另一种模型中，人工智能充当“守门员”，对影像进行分类，使得那些被判定为风险极低的影像仅由一名人类医生阅读，或者有时甚至不需要人类阅读。守门员方法被证明特别高效，在某些试验中，它将人类医生需要阅读的影像总数减少了近一半。这种工作量的巨大减轻使医疗团队能够将精力集中在真正需要关注的病例上，从而可能减轻疲劳并提高对复杂患者的护理质量。
支持这些结果的证据是强有力的，其来源既包括大规模的现实应用，也包括严谨的随机对照试验（在这些试验中，患者被随机分配接受标准护理或人工智能辅助护理）。涉及德国和瑞典数十万名女性的最大规模研究证实，这些益处并非仅仅停留在理论层面。在这些大型群体中，人工智能系统在保持低假阳性率的同时，始终能发现更多癌症。研究人员指出，这些系统在不同类型的乳腺组织和不同国家均表现良好，表明该技术已足够成熟，可以广泛使用。
然而，综述作者也谨慎地指出，这并不是一个能消除所有挑战的“万灵药”。虽然短期结果令人鼓舞，但要衡量其对生存率和总救治人数的长期影响，还需要很多年时间。此外，还需要确保这些系统对各种背景的女性都同样有效，因为目前的数据主要来自特定地区。再者，技术演进迅速，今天测试的具体软件版本可能与明天使用的版本有所不同。
尽管存在这些注意事项，结论依然明确：人工智能已经成熟成为乳腺癌筛查的一种价值工具。它提供了一种在增加早期发现癌症数量的同时，同步减轻医疗劳动力负担的方法。对于正努力应对需求增长的卫生系统而言，这些工具提供了一条在保持安全性的同时提高效率的路径。医疗界的下一步是谨慎地整合这些系统，密切监测其性能，以确保它们能够继续履行其承诺——更早地发现癌症并挽救更多生命。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。