人工智能能否在不增加放射科医生负担的情况下改善乳腺癌筛查？

乳腺癌筛查依赖于两名医疗专业人员对乳腺X线照片的检查。尽管这种方法有效，但面临着放射科医生日益短缺的问题，特别是在英国，预计到2028年可能有近40%的岗位缺口。一项近期研究探索了将人工智能作为第二读片者来分析这些图像，以减轻工作负担的同时保持诊断质量。

该研究涉及英国两个筛查中心的5万名女性。研究结果表明，用人工智能工具取代第二位人类读片者，在癌症检测和减少假阳性方面能保持类似的准确性。经过仲裁阶段（专家重新审查有争议的病例）后，人工智能的敏感性和特异性与两位人类读片者相当。这意味着该工具能识别出同样多的真实癌症病例，并避免同样多的误诊。

这种方法的主要优势之一是显著减少了工作时间。由于人工智能承担了部分检查工作，人类需要分析的乳腺X线照片数量减少了50%。然而，使用人工智能后，仲裁的频率有所增加，在不同中心增加了22%至142%。这种增长的原因在于，该工具有时会标记出专家未确认的异常，或反过来，遗漏人类能检测到的微妙病例。

人工智能在识别两次筛查之间或下一次筛查时出现的癌症（称为区间癌或下一轮癌症）方面表现出特殊能力。在仲裁前，它比人类更善于发现这些癌症。但在专家重新评估后，这种差异消失了，因为一些工具的信号被排除了。这引发了一个问题：如何更好地整合人工智能的建议，使其更可靠并被放射科医生理解？

该工具的性能因使用的乳腺X线照片设备而异。它在某些制造商的设备上更有效，这表明在部署前需要根据当地技术进行调整。参与研究的放射科医生对该工具表示适度信任，同时也指出了其局限性，特别是倾向于高估某些异常（如钙化）。

这项研究为人工智能在乳腺癌筛查中的更广泛应用铺平了道路。它表明，可以在不牺牲诊断质量的情况下减轻专业人员的工作负担。为了进一步推进，需要提高该工具决策的透明度，并培训放射科医生使用它，以便他们能更好地评估其警报并充分利用其优势。

Références des contenus

Référence officielle

DOI : https://doi.org/10.1038/s43018-026-01128-z

Titre : Impact of using artificial intelligence as a second reader in breast screening including arbitration

Revue : Nature Cancer

Éditeur : Springer Science and Business Media LLC

Auteurs : Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian