▎药明康德内容团队编辑

随着科技的进步，人工智能（AI）被尝试着应用于各个领域，试图将人类从繁琐的重复性和机械性劳动中解放出来，或是用于弥补人类在躯体或是脑力上的局限性。医学诊断是最早被AI涉足的领域之一，不过迄今为止，使用AI完全取代放射科医生的尝试似乎均未能成功。

2021年的一项审查发现，在乳腺癌筛查方案中使用AI进行图像分析，纳入研究的36个AI系统中有34个（94%）的准确性都低于单个放射科医生作出的判断，而且所有AI系统的准确性都低于2个及2个以上的放射科医生作出的共同判断。

通常来说，AI在图像识别和分类领域非常擅长，那为什么在实际临床影像学筛查中AI的表现还是不如普通的放射科医生呢？

对于这个疑问，德国专注于开发乳腺癌筛查AI的创新公司Vara的机器学习主任Christian Leibig博士给出了他的回答：“健康乳房和癌变乳房的X光片看起来非常相似，加上乳腺癌筛查中的患病率较低（在德国约为6/1000），接受过癌症扫描训练的AI大多也接受过健康乳房扫描的训练，因此仅凭X光片它们很容易出现误报。”

尽管AI应用于乳腺癌筛查领域的开发似乎并不顺利，但事情也并非全无转机——近期，一项发表在《柳叶刀·数字健康》杂志上的大规模回顾性研究首次直接在乳腺癌筛查的场景中比较了现有独立AI路径与另一种AI决策推荐路径的表现，展现了AI在辅助放射科医生进行乳腺癌筛查方面的潜力。

这项研究由上文提到过的Vara公司主导，在德国埃森大学医院（Essen University Hospital）和纽约斯隆-凯特琳癌症研究中心的帮助下进行。该公司开发的乳腺癌辅助筛查AI已经被超过1/4的德国乳腺癌筛查中心使用，并于今年早些时候被引入了一家墨西哥医院和一家希腊医院。

该研究比较了独立AI路径或AI决策推荐路径与现有的乳腺癌筛查路径相比的各项数据。

我们先来了解一下现有的乳腺癌筛查路径是怎样的。通常，一份乳房X光片将由两名放射科医生独立作出判断，假如意见不一致，他们会协商然后一起得出双方都认可的结果。

独立AI路径是最常见的AI系统实现路径， 研究人员会根据先前AI学习大量数据得出的成果为AI设置一定的阈值来判断乳房X光片是否有癌症迹象，然后只由一名放射科医生来对AI的判断结果进行最终的定义。

而Vara公司设计的AI决策推荐路径是这样的，所有乳房X射线检测都先由AI进行判定，分为“确信正常”、“不确定”和“确信患癌”三种情况。“确信正常”部分的扫描将被直接放在一边，而后两种情况将交由放射科医生继续进行判断，若医生对于AI判断“确信患癌”的乳房X光片作出了没有检测到癌症的判断，AI将会发出警告，让医生再次进行确认。

▲三种乳腺癌筛查路径：A. 现有的乳腺癌筛查路径；B. 独立AI路径；C. AI决策推荐路径（图片来源：参考资料[3]）

为了实现AI决策推荐路径的准确性，也就是将患者的乳房X光片准确地分类为“确信正常”、“不确定”和“确信患癌”三种情况，Vara公司的研究人员使用了超过367000多张乳房X光片作为内部测试数据来训练AI的神经网络，其中还包括了放射科医生的注解、原始评估和患者最终是否患癌等信息。

研究人员将这两种AI介入的筛查方法对82851份没有被用于AI训练的乳房X光片（包括2793份确定患癌的X光片和80058份正常的X光片）进行判断，并使用现有的乳腺癌筛查路径作出的判断作为标准答案进行比对，结果显示，尽管独立AI路径在内部测试数据和外部测试数据上的表现都还算不错，实现了接近85%的灵敏度和90%左右的特异性，但从准确性上来说，还是低于没有AI辅助的普通放射科医生的平均水平。

相比之下，AI决策推荐路径方法使放射科医生决策的敏感性显著提高了2.6%，特异性提高了1%。此外，AI决策推荐路径方法还显著提高了许多临床相关亚组的敏感性，例如对于小的病灶和浸润性癌亚组的发现。

总而言之，AI决策推荐路径相比于AI辅助单个放射科医生出具诊断结果的独立AI路径和由两名放射科医生共同出具诊断结果的现有乳腺癌筛查路径具有更高的准确性，这种方法结合了放射科医生和AI各自的优势，能检测出被遗漏的乳腺癌患者。

图片来源：123RF

值得一提的是，AI决策推荐路径还有一个巨大的优点，被其判断为“确信正常”放在一边的扫描约占所有扫描的63%，极少会出现漏诊的情况，通常无需放射科医生再花费大量时间进行复核。也就是说，这一举措可以节省放射科医生一半以上的工作量，使医生能够在相同的时间内筛查更多的患者，帮助减轻极度缺少放射科医生地区的负担。

尽管在德国，法律要求在真实世界场景中使用AI辅助的放射科医生必须查看每张乳房的X光片（包括那些被AI标记为正常的照片），德国乳腺癌筛查中心负责人、放射科医生Thilo Töllner博士依然表示这款AI软件能帮助他节省很多时间：“我已经使用这个程序两年了，绝大多数情况下我只需要按回车键即可，很少会出现与AI标记的‘确信正常’意见不同的情况。”

斯坦福大学医学和影像人工智能中心主任Curtis Langlotz博士也表示：“这项研究令我印象深刻，在近3/4的扫描不需要放射科医生复核的情况下，这款AI还能帮助放射科医生提高乳腺癌筛查的准确性，这是前所未有的成果。下一步，我们需要做的是检验AI决策推荐路径方法在真实的临床环境下的长期表现。”

对此，Töllner博士乐观地认为，使用AI决策推荐路径的放射科医生越多也就意味着能更早地检测到乳腺癌，从而提高患者的生存率。不过，他希望Vara公司能够在如何降低AI辅助判断的假阳性率上再下下功夫——因为许多被召回进行进一步检测的患者实际上都很健康。

药明康德为全球生物医药行业提供一体化、端到端的新药研发和生产服务，服务范围涵盖化学药研发和生产、生物学研究、临床前测试和临床试验研发、细胞及基因疗法研发、测试和生产等领域。如您有相关业务需求，欢迎点击下方图片填写具体信息。

如您有任何业务需求，请长按扫描上方二维码，或点击文末“阅读原文/Read more”，即可访问业务对接平台，填写业务需求信息

参考资料：

[1] Use of artificial intelligence for image analysis in breast cancer screening programmes: systematic review of test accuracy. BMJ (2021). DOI: 10.1136/bmj.n1872

[2] Doctors using AI catch breast cancer more often than either does alone. Retrieved July 11, 2022, from https://www.technologyreview.com/2022/07/11/1055677/ai-diagnose-breast-cancer-mammograms/

[3] Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis. Lancet Digit Health (2022). DOI: 10.1016/S2589-7500(22)00070-X

免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。

版权说明：本文来自药明康德内容团队，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德」微信公众号回复“转载”，获取转载须知。