一项新研究表明，人工智能（AI）可能有助于在间歇性乳腺癌变得更加先进且更难治疗之前进行检测。
由加利福尼亚大学洛杉矶分校（UCLA）健康乔森综合癌症中心的研究人员领导的新研究表明，人工智能（AI）可能有助于检测间歇性乳腺癌——即在常规筛查之间发展起来的癌症——在其变得更加先进和更难治疗之前。这可能会导致更好的筛查实践、更早的治疗和改善患者的结果。
这项发表在《国家癌症研究所杂志》上的研究发现，AI能通过在筛查时标记“在乳腺X光检查中可见”的间歇性癌症类型，从而更早地识别这些癌症。这些癌症包括在乳腺X光检查中可见但未被放射科医生发现的肿瘤，或在乳腺X光检查中有非常微小的迹象，这些迹象由于模糊或确实低于人眼的检出水平而容易被遗漏。
研究人员估计，结合AI进行筛查可能帮助减少30%的间歇性乳腺癌病例。
“这一发现很重要，因为这些间歇性癌症类型可能会在癌症更容易治疗时被更早捕获，”UCLA大卫·格芬医学院放射学助理教授、该研究的首席作者蒂芙尼·余博士说。“对于患者而言，早期发现癌症可能会产生巨大的差别。这可以导致治疗的不那么激进，改善更好结果的机会。”
尽管在欧洲进行了类似的研究，但这项研究是首个探索在美国使用AI检测间歇性乳腺癌的研究之一。研究人员指出，美国与欧洲的筛查实践之间存在关键差异。在美国，大多数乳腺X光检查使用数字乳腺断层合成（DBT），通常称为3D乳腺X光，并且患者通常每年进行筛查。相比之下，欧洲程序通常使用数字乳腺X光（DM），通常称为2D乳腺X光，且每两到三年筛查一次。
这项回顾性研究分析了2010年至2019年期间近185,000份乳腺X光检查的数据，其中包括DM和DBT。从数据中，团队查看了148例女性被诊断为间歇性乳腺癌的案例。
放射科医生随后审核这些案例，以确定癌症为何未能更早被发现。新研究调整了一个欧洲分类系统，以对间歇性癌症进行分类。它们包括：遗漏解读错误、微小迹象-可采取行动、微小迹象-不可采取行动、真实间歇性癌症、隐性癌症（在乳腺X光检查中确实不可见）以及由于技术错误而遗漏。
研究人员随后将一种名为Transpara的商业化AI软件应用于癌症诊断之前的初始筛查乳腺X光检查，以确定它是否能够检测出在初始筛查中被放射科医生遗漏的微小癌症迹象，或至少将其标记为可疑。该工具为每个乳腺X光检查从1到10评分，以评估癌症风险。评分达到8或更高被视为可能令人担忧。
关键发现：
- 团队发现AI标记了76%的原本被读为正常但后来与间歇性乳腺癌相关的乳腺X光检查。
- 它标记了90%的遗漏解读错误病例，其中癌症在乳腺X光检查中是可见的，但被放射科医生遗漏或误解。
- 它捕获了约89%的微小迹象-可采取行动的癌症，这类癌症表现出非常微小的迹象，且合理地可以被采取行动处理，还捕获了72%的微小迹象-不可采取行动的癌症，这类癌症的迹象可能太微妙而不促使采取行动。
- 对于在乳腺X光检查中隐性或完全不可见的癌症，AI标记了69%的病例。
- 在识别真实间歇性癌症方面，即在筛查时不存在但稍后发展起来的癌症，AI的效果稍差，标记了约50%的病例。
“尽管我们得到了一些令人兴奋的结果，但我们还发现了许多AI的不准确性和需要在真实世界环境中进一步探讨的问题，”大卫·格芬医学院放射学助理教授、研究的主要作者汉娜·米尔赫博士说。“例如，尽管在乳腺X光中不可见，AI工具仍标记了69%有隐性癌症的筛查乳腺X光检查。然而，当我们查看AI标记为可疑的图像上的具体区域时，AI的表现并不那么理想，仅在22%的情况下准确标记了真正的癌症。”
需要更大规模的前瞻性研究，以了解放射科医生如何在实践中使用AI，并解决关键问题，例如如何处理AI标记为可疑但在人眼中不可见的区域的案例，尤其是在AI并不总是能够准确指明癌症确切位置的情况下。
“虽然AI并不完美且不应单独使用，但这些发现支持了AI能够帮助将间歇性乳腺癌转向大多数真实间歇性癌症的想法，”余博士补充道。“这表明，AI有潜力作为有价值的第二双眼，特别是对于那些最难被早期捕获的癌症类型。这是为放射科医生提供更好的工具，为患者提供最佳的早期发现癌症的机会，这可能会拯救更多生命。”
其他作者均来自UCLA，分别是安妮·霍伊特博士、梅利莎·乔恩斯博士、谢里斯·费舍尔博士、纳扎宁·亚赫迈博士、詹姆斯·查尔凡特博士、露西·周博士、沙布纳姆·莫尔塔扎维博士、克里斯托弗·西尔斯、詹姆斯·赛尔博士、乔安·艾尔莫尔博士和威廉·徐博士。
这项工作部分得到了国家卫生研究院、国家癌症研究所、医疗保健研究与质量局以及早期诊断公司的支持。
