共计 847 个字符，预计需要花费 3 分钟才能阅读完成。
最新研究显示，人工智能计算机辅助检测（AI-CAD）技术在乳腺癌筛查领域展现出显著潜力。这项由韩国首尔顺天乡大学首尔医院 Yun-Woo Chang 博士团队开展的研究，已在《放射学：人工智能》期刊发表。
乳腺 X 光摄影作为乳腺癌筛查的金标准，其准确性与解读能力直接影响早期诊断效果。研究表明，AI-CAD 技术的引入不仅提高了乳腺 X 光片的解读效率，在某些情况下，其检测隐匿性癌症的能力甚至超越了放射科医生，同时有效降低了假阳性率。
为深入评估 AI-CAD 的实际效能，研究团队对 2021-2022 年间进行的 ’ 人工智能在乳腺 X 光摄影乳腺癌筛查中的应用（AI-STREAM）’ 试验数据进行了二次分析。研究采用 Lunit 公司的 Insight Mammography 1.1.7.1 版本 AI 算法，该技术通过热图或灰度图识别乳腺 X 光片中的潜在异常，并为每个头尾位和内外斜位视图生成 0% 到 100% 的异常评分。
研究样本涵盖 24,543 名平均年龄 60 岁的女性，其中 148 例在一年随访后经病理确诊为癌症。数据分析显示，AI-CAD 在 93.8% 的案例中给出阴性结果，6.2% 为阳性。具体表现如下：,
- 召回阳性预测值（PPV1）：8.7%
- 敏感性：89.9%
- 特异性：94.3%
值得注意的是，AI-CAD 成功识别出放射科医生漏诊的 3.4%（n = 5）癌症病例，但同时也漏诊了放射科医生检测到的 8.1%（n = 12）病例。假阴性率为 10.1%，在乳腺组织致密的女性中更为常见。
研究团队特别指出，AI-CAD 假阴性率较高的一个重要原因是，与放射科医生不同，该技术并未考虑患者先前的乳腺 X 光片信息，这一局限性影响了其判断的准确性。
研究结论表明，AI-CAD 可以作为放射科医生的有力辅助工具。通过深入了解 AI-CAD 检测到或漏诊的癌症的影像和病理特征，将有助于进一步优化该技术的临床应用。
完整研究可访问：[https://doi.org/10.1148/ryai.250281](https://doi.org/10.1148/ryai.250281)
