数据显示，使用乳腺钼靶检查进行乳腺癌筛查成功地降低了乳腺癌死亡率，但给乳腺放射科医生带来了大量的工作量。乳腺放射科医生的任务是阅读大量的乳腺钼靶图像，其中大多数没有出现可疑病变或需要召回。当筛选程序采用双重阅读来提高癌症检测和减少假阳性时，阅读工作量进一步增加。此外，召回的患者进行进一步的诊断测试增加了放射科医生的临床工作量。这种增加的工作量加剧了专业乳腺放射科医生的短缺。

近年来，回顾性研究表明，在筛查中使用人工智能(AI)系统可能有助于减轻放射科医生的工作量问题，同时保持筛查绩效。一项研究提出，对于人工智能系统认为可能正常的筛查，使用单次读取而不是两次读取，可以减少放射科医生的工作量，同时保持筛查的敏感性、提高特异性，并减少假阳性。鉴于最近的证据和放射科医生日益增加的工作量负荷，人工智能系统可能是基于乳腺癌概率分层筛查的有用辅助工具，这促使人们探索其在基于人群的乳腺癌筛查中的应用。

此外，让放射科医生在人工智能辅助决策支持和人工智能提供的病变标记下阅读乳腺钼靶可能会提高筛查的敏感性。将人工智能用于筛查分层和决策支持不仅可以保持而且可以提高筛查性能。

近日，发表在Radiology杂志上的一篇研究比较了人工智能系统实施前后接受筛查的两组女性的乳腺放射科医生工作量和筛查表现。

本项回顾性研究纳入了50-69岁丹麦首都地区接受两年一次乳腺钼靶检查的女性患者。在人工智能系统实施之前(2020年10月1日至2021年11月17日)，所有筛选都涉及双读。对于AI系统实施后(2021年11月18日至2022年10月17日)进行的筛查，可能正常的筛查(2022年5月3日之前AI检查分数≤5分，2022年5月3日或之后AI检查分数≤7分)由19名高级专业乳腺放射科医生中的一名单独阅读。剩下的筛查结果由两名具有人工智能辅助决策支持的放射科医生阅读。在2020年10月1日至2023年4月15日期间检索活检和手术结果，确保至少180天的随访。筛选指标采用χ2检验进行比较。通过节省筛选读数来衡量阅读工作量的减少。

在人工智能系统实施前后，研究分别筛查了60751名和58246名女性(两组的中位年龄为58岁[IQR, 54-64岁])，人工智能前和人工智能后的中位筛查间隔为845天(IQR, 820-878天)和993天(IQR, 968-1013天);P < 0.001)。人工智能系统实施后，召回率下降了20.5%(人工智能之前的召回率为3.09%[1875 / 60751]，而人工智能之前的召回率为2.46% [1430 / 58246];P < 0.001)，肿瘤检出率升高(0.70% [423 / 60751]vs 0.82% [480 / 58246];P = 0.01)，假阳性率下降(2.39% [1452 / 60751]vs 1.63% [950 / 58246];P < 0.001)，阳性预测值增加(22.6% [423 / 1875]vs 33.6% [480 / 1430];P < 0.001)，小肿瘤(≤1 cm)发生率增高(36.6%[347例中的127例]vs 44.9%[365例中的164例];P = 0.02)，淋巴结阴性癌的发生率不变(330例中253例76.7% vs 351例273例77.8%);P = 0.73)，浸润性癌症发生率下降(84.9% [359 / 423]vs 79.6% [382 / 480];P = 0.04)。阅读工作量减少了33.5%(116492次阅读中有38977次)。

 图 乳腺成像报告和数据系统(BI-RADS)密度分类的癌症检出率，由第二位高级放射科医生分配

在基于人群的乳腺钼靶筛查项目中，使用人工智能减少了乳腺放射科医生的总体工作量，同时提高了筛查效果。

原文出处：

Andreas D Lauritzen,Martin Lillholm,Elsebeth Lynge,et al.Early Indicators of the Impact of Using AI in Mammography Screening for Breast Cancer.DOI:10.1148/radiol.232479