乳腺癌是全世界最常见的癌症，也是女性中与癌症有关最常见的死亡原因。多项研究表明，通过系统的乳腺钼靶筛查进行早期发现可以降低晚期疾病的发生率和乳腺癌的死亡率。

在目前的筛查环境中，钼靶的准确性并不理想，一般来说，敏感度低于80%，而对于乳腺密度高的女性来说，敏感度则低至50%。一些未被发现的癌症在下一轮筛查中呈现为无症状的间隔期乳腺癌，与筛查发现的癌症相比，这些病例与预后良好的组织病理学肿瘤特征有关。

随着机器学习和深度学习的最新进展，人工智能（AI）作为提高乳腺钼靶筛查灵敏度的手段吸引了大量关注。然而，基于真实筛查数据的人工智能系统性能的知识是十分稀缺的；据我们所知，没有研究探讨过人工智能对筛查出乳腺癌的先前钼靶检查的恶性肿瘤进行风险评分。此外，报告不同AI恶性风险评分的乳腺癌的组织病理学肿瘤特征的研究和按乳腺钼靶检查密度对结果进行分层的研究也十分有限。

为了减少解释阴性乳腺钼靶检查的时间，有学者提出将人工智能系统作为一种工具，在阅读过程中支持甚至取代放射科医生。在一项模拟人工智能系统如何用于分流并将选定的检查从放射科医生的阅读流中排除的回顾性研究中，与标准的双读相比，阅读量减少了63%，但没有减少乳腺的检测。

近日，发表在European Radiology杂志的一项研究比较了人工智能系统和独立双读方法对乳腺癌筛查及诊断的性能，根据乳腺密度对结果进行了分层并探讨了在检测出乳腺癌检查之前的AI评分。

本项回顾性研究分析了2010年至2018年期间在BreastScreen Norway进行的949次筛查发现的乳腺癌、305次间隔期乳腺癌和13646次阴性检查的数据。利用一个人工智能系统根据恶性肿瘤的风险对检查进行了1至10分的评分。AI系统的结果与独立双读后的筛查结果进行了比较：AI评分10被设定为阈值。结果按乳腺密度进行了分层。 

共有92.7%筛查出的乳腺癌和40.0%的间隔期乳腺癌的AI评分为10。在筛查结果为阴性的女性中，9.1%的AI评分为10分。对于乳腺密度最高的女性来说，AI系统对100%的筛查出的乳腺癌和48.6%的间隔期乳腺癌的AI评分为10分，这使得AI系统对乳腺密度最高女性的敏感性为80.9%，而独立双读的敏感性为62.8%。对于之前有乳腺钼靶检查的筛查出乳腺癌的女性来说，41.9%的人在之前的筛查回合中AI评分为10。 

 图 按沃尔帕拉密度等级（VDG，1-4）分层的894例筛查出的（SDC）和289例间隔期乳腺癌（IC）的百分比。水平虚线代表AI评分为10的SDC和IC的平均百分比

研究表明，AI评分为10分的癌症比例很高，表明AI系统的性能很好，对乳腺致密的女性来说更为显著。同时，AI评分为10分的结果说明了在判析中使用AI可实现乳腺癌的更早发现及诊断。

原文出处：

Henrik Wethe Koch,Marthe Larsen,Hauke Bartsch,et al.Artificial intelligence in BreastScreen Norway: a retrospective analysis of a cancer-enriched sample including 1254 breast cancer cases.DOI:10.1007/s00330-023-09461-y