乳腺癌是女性癌症死亡的第二大原因，早期发现、治疗可以有效提高治愈率。X光检查是应用最广泛的乳腺癌筛查和早期发现的成像技术，但对于组织致密的乳腺，在X光检查中很难发现癌症。乳腺超声检查已被证实能够检测到X光检查中的隐匿性癌症，通常被作为乳房X光检查的补充手段，在乳腺癌筛查、检测和鉴定中发挥重要作用。但乳腺超声检查结果仍会获得较高的假阳性率，进而导致不必要的组织活检。

近日，美国纽约大学研究团队开发了一种新型人工智能（AI）系统，可以在超声图像中实现放射科医生级别的准确率来识别乳腺癌。结果显示，在该人工智能系统的帮助下，放射科医生诊断的假阳性率降低37.3%，在保持相同敏感性水平的前提下，组织活检率减少27.8%，突出了人工智能在提高乳腺超声诊断的准确性、一致性和效率方面具有很大的潜力。该研究成果已发表于Nature Communications期刊上，文章题为“Artificial intelligence system reduces false-positive findings in the interpretation of breast ultrasound exams”。

文章已发表于Nature Communications上 

图1.人工智能系统的总体概况。来源：Nature Communications

为了解新型AI系统在临床环境中的潜在价值，研究人员进行了一项对比研究，将AI系统的诊断准确性与10名获得认证的乳腺放射科医生进行了比较。结果显示，10名放射科医生的平均AUROC为0.924、平均AUPRC为0.565；AI系统的AUROC为0.962、AUPRC为0.752，均高于10名放射科医生，表明AI系统的准确率比10名放射科医生的平均准确率更高。与放射科医生相比，AI系统能够以同样的灵敏度检测癌症，同时获得更高的特异性，更高的PPV和更低的活检率。

图2.对比研究结果。来源：Nature Communications

为了解新型AI系统作为临床决策支持工具的潜在效用，研究人员使用人工智能的显著性图谱对六项研究进行了定性评估。这些显著性图谱显示了系统识别的潜在良性和恶性病变的位置，证明了如果将该新型AI系统集成到临床实践中，放射科医生可以获得额外的数据，强调了新型AI系统在帮助医生获取准确诊断方面发挥潜在补充作用。

图3.显著图谱的定性分析。来源：Nature Communications

此外，研究人员创新性地提出了一个混合诊断模型，以评估新型AI系统在增强放射科医生诊断方面的潜力。该模型可将AI系统和放射科医生的预测结果整合在一起。对于10名放射科医生来说，平均19.3%的癌症阴性检查被误诊为阳性，并且他们建议进行组织活检的患者中只有27.1%真正患有癌症。同时，研究人员发现混合模型可以将放射科医生的平均假阳性率降低到12.0%。混合模型还可将放射科医生的平均特异性提高到88.0%，平均PPV提高到38.0%，平均活检率降至17.6%。上述研究结果表明，该AI系统和放射科医生两者结合能够显著提高诊断的准确性，减少了没必要的良性活检次数，AI系统有潜力帮助放射科医生对乳腺超声检查的结果进行分析。