人工智慧能否改善乳癌篩檢而不增加放射科醫師的負擔？

乳癌篩檢主要依賴兩名醫療專業人員對乳房X光片的檢查。雖然這種方法有效，但面臨著放射科醫師日益短缺的問題，尤其是在英國，預計到2028年可能有近40%的職位缺口。最近的一項研究探討了使用人工智慧作為第二讀片者來分析這些影像，以減輕工作負擔的同時，維持診斷的品質。

該研究針對英國兩個篩檢中心的5萬名婦女進行。研究結果顯示，用人工智慧工具取代第二位人類讀片者，在癌症檢測和減少偽陽性方面能保持相似的準確度。經過仲裁階段，即專家重新審查有爭議的病例後，人工智慧的靈敏度和特異度與兩位人類讀片者一樣良好。這意味著該工具能發現同樣多的真實癌症病例，並避免同樣多的誤診。

這種方法的主要優勢之一是顯著減少了工作時間。由於人工智慧承擔了部分檢查工作，人類需要分析的乳房X光片數量減少了50%。然而，使用人工智慧後，仲裁的頻率增加了22%至142%，具體取決於篩檢中心。這種增加是因為該工具有時會標記出專家未能確認的異常，或相反地，錯過人類能檢測到的微妙病例。

人工智慧在識別兩次篩檢間或下一次篩檢時出現的癌症（稱為區間癌或下一輪癌症）方面表現出色。在仲裁前，其識別能力優於人類。但在專家重新評估後，這種差異消失了，因為部分工具的警示信號被排除了。這引發了一個問題：如何更好地整合人工智慧的建議，使其更可靠並被放射科醫師理解？

該工具的表現因使用的乳房X光設備而異。對某些製造商的設備效果更佳，這表明在部署前需根據當地技術進行調整。參與研究的放射科醫師對該工具表示適度信任，同時也指出其局限性，特別是容易高估某些異常，如鈣化點。

這項研究為人工智慧在乳癌篩檢中的更廣泛應用開闢了道路。它表明，可以在不犧牲診斷品質的情況下減輕專業人員的工作負擔。為進一步推進，需要提高該工具決策的透明度，並對放射科醫師進行使用培訓，以便他們能更好地評估其警示並充分利用其優勢。

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