AI辅助乳腺癌筛查或可减少不必要的检测

华盛顿大学医学院的研究人员与硅谷科技初创公司Whiterabbit.ai进行的一项研究表明，在乳腺癌筛查中使用人工智能（AI）辅助放射科医生评估乳房X线检查可能会减少假阳性结果，同时不会漏掉癌症病例。

研究人员开发了一种算法，可以高度敏感地识别正常的乳房X线检查。他们对患者数据进行了模拟，想看看如果所有非常低风险的乳房X线检查都被从放射科医生的工作中剔除，医生将能够集中精力处理更有疑问的扫描。结果显示，减少了召回患者进行额外检查的人数，但依然可以发现相同数量的癌症病例。

该研究发表在《Radiology: Artificial Intelligence》杂志上。此前，Wahl教授与Whiterabbit.ai合作开发了一个用于判断乳腺密度的算法，以识别需要额外或替代筛查的人群。该算法已于2020年获得美国食品和药物管理局（FDA）批准，并由Whiterabbit.ai推出市场。

研究人员在123,248份2D数字乳房X线检查上训练了AI模型，其中包含6,161份癌症病例，然后在美国和英国的三个独立机构的乳房X线检查数据集上验证和测试了AI模型。

研究人员首先了解了医生的行为：召回多少患者进行二次筛查和活检；这些检查的结果；以及每种情况的最终确定。然后，他们将AI应用到数据集中，看看如果AI用于排除初步评估中的阴性乳房X线检查，医生是否按照标准诊断程序评估其他情况会有何不同。

例如，考虑包含11,592份乳房X线检查的最大数据集，当缩放到10,000份乳房X线检查时，AI将34.9%的检查结果识别为阴性。如果这3,485份阴性乳房X线检查从工作负荷中移除，放射科医生在实际中进行的回访数量将减少23.7%，从1,159次减少至897次。在下一步，190人将会第二次接受活检，比实际减少了6.9%。最终，AI排除规则和真实的标准护理方法均发现了相同的55例癌症。换句话说，这项AI研究表明，在经过初步乳房X线检查的10,000人中，262人可以避免进行诊断检查，而10人可以避免活检，而不会错过任何癌症病例。

Whiterabbit.ai的联合创始人兼首席技术官苏润声表示：“我们相信医生是超级英雄，可以找到癌症并帮助患者前行。AI系统的帮助方式是辅助角色。通过准确评估阴性结果，它可以帮助医生更轻易地找到问题。这项研究表明，AI在识别阴性检查方面可能具有很高的准确性。更重要的是，结果表明，自动检测阴性可能还会极大地减少假阳性，而不改变癌症检出率。”