编辑推荐：
为解决乳腺病变评估中，传统乳腺钼靶灵敏度和特异性低，且放射科医生易出错的问题，研究人员开展了对比人工智能（AI）和对比增强乳腺钼靶（CEM）评估乳腺病变准确性的研究。结果显示 CEM 整体准确性更高，但 AI 可作为辅助工具。该研究为乳腺病变评估提供了新参考1211。
在全球范围内，乳腺癌严重威胁着女性的健康与生命。早期发现乳腺癌对于提高治愈率、降低死亡率至关重要，乳腺成像技术在其中发挥着关键作用。然而，作为乳腺癌筛查黄金标准的乳腺钼靶，在检测乳腺病变时却存在灵敏度和特异性较低的问题，尤其是在检测致密型乳腺中的病变时，效果不尽人意。同时，放射科医生长期面对繁重的工作，容易出现误诊或漏诊。为了解决这些问题，来自开罗大学等机构的研究人员开展了一项前瞻性研究，旨在评估 AI 软件算法和 CEM 在乳腺病变评估和特征描述方面的准确性，以及 AI 软件算法是否应纳入所有乳腺病变患者的评估中。该研究成果发表于《Egyptian Journal of Radiology and Nuclear Medicine》杂志。
研究人员采用了多种关键技术方法：选取 2020 年 12 月至 2022 年 12 月期间，58 名女性患者作为样本队列，这些患者均因筛查或诊断需求被转诊至放射科。研究中运用了全视野数字乳腺钼靶、超声、CEM 等影像学检查技术，同时使用 AI 计算机系统 Lunit INSIGHT MMG ver. 1.10.2 对数字乳腺钼靶图像进行分析。
研究结果如下：
- 患者及病变情况：58 名患者共发现 74 个乳腺病变，平均年龄 48.9±11.1 岁，其中 16 名患者有双侧乳腺病变。组织病理学评估显示，60 个病变为恶性，14 个为良性。
- 不同检查方法的检测能力：
- 全视野数字乳腺钼靶：能检测出 71 个病变，其中 61 个被认为是恶性，10 个为良性。与最终诊断相比，有 57 个真阳性、10 个真阴性、3 个假阴性和 4 个假阳性。
- 超声：检测出 71 个病变，63 个为实性，4 个为囊性，2 个为复杂型，2 个表现为实质回声改变和扭曲。60 个被认为是恶性，11 个为良性。与最终诊断相比，有 57 个真阳性、11 个真阴性、3 个假阳性和 3 个假阴性。
- 对比增强乳腺钼靶（CEM）：74 个病变中，67 个有增强表现，其中 60 个被认为是恶性，7 个为良性。5 个无增强病变经活检或随访证实为良性。与最终诊断相比，CEM 有 59 个真阳性、13 个真阴性、1 个假阴性和 1 个假阳性，其灵敏度为 98.33%，特异性为 92.86%，阳性预测值为 98.34%，阴性预测值为 92.85%，准确性为 97.3%。此外，CEM 在检测多灶性和多中心性方面表现出色，分别为 100% 和 100%345。
- 人工智能（AI）：AI 对乳腺病变进行评分和分类，55 个真阳性、12 个真阴性、5 个假阴性和 2 个假阳性。其灵敏度为 91.67%，特异性为 85.71%，阳性预测值为 96.5%，阴性预测值为 70.56%，准确性为 90.54%。在检测多灶性和多中心性方面，AI 检测到多灶性的比例为 11.11%，多中心性的比例为 50%678。
- 相关性分析：CEM 测量的恶性病变大小与病理标本大小的相关性最高（r = 0.88，p 值 = 0.0001），其次是超声（r = 0.74，p 值 = 0.0001）、数字乳腺钼靶（r = 0.71，p 值 = 0.0001），AI 与病理标本大小的相关性相对较低（r = 0.5，p 值 = 0.0001）。同时，CEM 检测的病变明显程度越高，AI 评分越高；CEM 病变增强模式中，异质性增强的 AI 评分最高，环形增强次之，均匀性增强最低910。
研究结论和讨论部分指出，AI 在数字乳腺钼靶上的整体诊断指标与数字乳腺钼靶和超声的结果相当，可作为评估和描述乳腺病变的有价值的辅助工具，充当数字乳腺钼靶图像的第二阅读者，有助于减少解读差异，降低重复活检的需求。然而，CEM 的整体准确性更高，对于乳腺病变的精确诊断，尤其是在致密型乳腺女性中，以及乳腺癌分期方面，CEM 更具优势，仍值得推荐。该研究为临床乳腺病变的评估提供了重要的参考依据，为医生选择合适的检查方法提供了科学指导，有助于提高乳腺癌的早期诊断水平，对改善患者预后具有重要意义。同时，研究人员也指出，本研究存在样本量较小、病例来自单一机构、仅使用一种 AI 软件等局限性，未来研究可进一步扩大样本量、增加 AI 软件类型进行更深入的探究121113。
