共计 1262 个字符，预计需要花费 4 分钟才能阅读完成。
近日，一项发表于国际顶级医学期刊《柳叶刀》的大型随机对照试验，为人工智能（AI）在乳腺癌筛查领域的应用带来了重磅证据。这项名为“人工智能乳腺 X 光筛查试验”（MASAI）的研究显示，在乳腺 X 光筛查中引入辅助 AI 系统，可能有效降低“间期乳腺癌”的发生率，为提升早期诊断精准度提供了新方向。
间期乳腺癌是指在两次常规筛查间隔期间被诊断出的癌症。这类癌症往往更具侵袭性，预后也相对较差，因此如何通过优化筛查手段更早地发现它们，一直是临床关注的重点。
该研究纳入了超过 10.5 万名女性参与者，并将她们随机分为两组进行对比：一组接受由辅助 AI 系统参与分诊的乳腺 X 光检查；另一组则沿用传统的双重读片模式，即由两位放射科医生独立阅片而不使用 AI。
研究结果令人鼓舞。与标准的双重读片相比，辅助 AI 组的间期癌症总体发生率降低了 12%。其中，侵袭性更强的间期乳腺癌发生率降低幅度更为显著，达到了 16%。
尤其值得注意的是，在辅助 AI 组的筛查中，那些生物学行为更具侵袭性的非 Luminal A 型乳腺癌（包括 Luminal B 型、三阴性及 HER2 阳性等亚型）病例数减少了 27%。这表明 AI 辅助筛查可能特别有助于更早地揪出那些临床意义更大、危害更高的乳腺癌类型。
研究揭示了 AI 辅助乳腺 X 光筛查的几大核心优势：
1. 精准提升检出率，不增加误报
辅助 AI 系统在将筛查的总体敏感性从 73.8% 显著提升至 80.5% 的同时，保持了与对照组同等的高特异性（98.5%）。这意味着 AI 在帮助医生发现更多癌症的同时，并未显著增加假阳性结果，避免了不必要的患者焦虑和后续检查。
2. 针对性降低高危癌症风险
AI 的辅助作用尤其体现在减少高危间期癌症上。对于侵袭性强的非 Luminal A 型乳腺癌，AI 辅助筛查使其发生率下降了 27%，提示 AI 能将筛查资源更精准地导向那些真正需要关注的高危病变。
3. 在不同人群中表现稳定
AI 带来的敏感性提升在不同年龄和不同乳房密度的女性中均得到验证。对于传统乳腺 X 光检查效果相对受限的致密型乳房女性而言，AI 辅助使其敏感性大幅提高了 11.1 个百分点（从 60% 升至 71.1%），这具有重要的临床意义。
研究的主要作者、荷兰拉德堡德大学医学中心的 Jessie Gommers 博士表示：“间期癌症发生率是衡量筛查效能的关键指标。虽然本研究设计并非为了证明优越性，但结果强烈提示辅助 AI 可能带来明确的临床获益——即有助于更早地检出那些有临床意义的乳腺癌，从而可能降低后续治疗强度并改善患者预后。”
研究人员总结称，与标准双重读片相比，AI 辅助的乳腺 X 光筛查在所有评估指标上均呈现出一致的有利趋势。该研究不仅达到了间期癌症发生率“非劣效”的主要研究终点，还实际减少了具有不利特征的间期癌症数量。
当然，该研究也存在一定的局限性，例如仅使用了单一厂商的设备和 AI 软件、只分析了一轮筛查的数据，且参与人群主要来自瑞典，缺乏种族与民族的多样性。尽管如此，这项大规模随机试验无疑为 AI 在乳腺癌筛查中的潜在价值提供了迄今最高级别的循证医学支持，标志着 AI 辅助诊断向临床实践迈出了坚实的一步。
