Radiology：人工智能在数字乳腺钼靶和断层成像中检测价值分析

数字乳腺断层成像（DBT）对乳腺癌的筛查具有重要的临床价值。随机临床试验、系统评价和观察性研究表明，乳腺钼靶筛查可使乳腺癌死亡率降低20%-50%。基于这一证据，乳腺钼靶检查已成为乳腺癌筛查的常规应用。虽然乳腺钼靶筛查具有重要的临床价值，但并不能检测所有的乳腺癌。假阴性筛查研究，根据症状诊断乳腺癌或在两轮筛查之间通过其他方式发现乳腺癌，占癌症病例的20%-33%。此外，临床上需要许多受过良好训练的专职放射科医生来维持筛查项目，然而人员资源十分有限。

现阶段，技术的进步引起了基于卷积神经网络和深度学习的新一代人工智能算法。近年来，乳腺钼靶AI系统已经开发并验证，目前已投入商业使用。随着人工智能技术的不断进步和乳腺成像对工作流程改进的需求日益增加，这类AI系统在临床环境中迅速实施。然而，AI只能在独立性能足够高时才能实现改善筛选结果和/或减少工作量的目标。

近日，发表在Radiology杂志上的一篇研究评价了所报道的人工智能在数字乳腺钼靶和数字乳腺断层合成（DBT）判读中的表现及临床价值。

本项研究在PubMed、Google Scholar、Embase（Ovid）和Web of Science数据库中对2017年1月至2022年6月发表的研究进行了系统搜索。评估了所有研究中的敏感性、特异性和接受者操作特征曲线下的面积（AUC）值。使用诊断准确性研究质量评估2和比较（QUADAS-2和QUADAS-C，分别）评估研究质量。，并对整体研究和不同的研究类型（读者研究与历史队列研究）和成像技术（数字乳腺摄影与DBT）进行了随机效应荟萃分析和荟萃回归分析。

总共分析了16项研究，包括497091名女性的1108328次检查（6项读者研究，7项关于数字乳腺摄影的历史队列研究，以及4项关于DBT的研究）。在6项关于数字乳腺摄影的读者研究中，独立AI的AUC明显高于放射科医生（0.87 vs 0.81，P = .002），但在历史队列研究中则不然（0.89 vs 0.96，P = .152）。四项关于DBT的研究显示，与放射科医生相比，AI的AUC明显更高（0.90 vs 0.79，P < .001）。与放射科医生相比，独立AI的敏感性更高，特异性更低。

 表 所有纳入研究和研究类型亚组的放射科医生和独立人工智能的性能指标汇总

本项研究表明，单独应用人工智进行数字乳腺钼靶筛查的表现与放射科医生一样或更好。与数字乳腺钼靶相比，尚没有足够的研究来评估人工智能系统在解释DBT筛查中的表现及价值。

原文出处：

Jung Hyun Yoon,Fredrik Strand,Pascal A T Baltzer,et al.Standalone AI for Breast Cancer Detection at Screening Digital Mammography and Digital Breast Tomosynthesis: A Systematic Review and Meta-Analysis.DOI:10.1148/radiol.222639