摘要：老规矩，开篇还是要问个小问题：在座的各位有谁的工作或者生活日常，已经离不开人工智能（AI）的助力了呢？拿AI玩梗找乐的不算哈。像奇点糕虽然一直倾向于自己动手解决问题，但在小语种翻译或者查阅地道的英文表述时，第一反应现在也是让AI帮忙啦。
*仅供医学专业人士阅读参考
老规矩，开篇还是要问个小问题：在座的各位有谁的工作或者生活日常，已经离不开人工智能（AI）的助力了呢？拿AI玩梗找乐的不算哈。像奇点糕虽然一直倾向于自己动手解决问题，但在小语种翻译或者查阅地道的英文表述时，第一反应现在也是让AI帮忙啦。
但相比这些“小打小闹”，AI对临床实践的变革才是大家希望看到的。比如今天，德国研究者们在Nature Medicine期刊发表的一项大规模、前瞻性真实世界研究就显示：影像科医生在AI支持下阅片，可使接受乳腺癌筛查的50-69岁女性乳腺癌检出率显著提高17.6%，且并未对召回率（recall rate）产生负面影响，意味着AI能成为乳腺癌筛查的可靠助力[1]。
论文首页截图
其实在ChatGPT们火起来之前，“AI阅片”助力癌症筛查的概念就已经颇受青睐了，毕竟AI的工作效率杠杠的，如果能做到既高速又精准，就非常适合工作量往往巨大的筛查场景，特别是用于筛查乳腺癌之类的常见癌症。所以近年来，AI参与乳腺癌筛查的研究也是层出不穷，但大多数还是回顾性研究，且样本量一般都不算大。
而这次来自德国的真实世界研究，可以说就大气得多了：研究者们在德国国家性乳腺癌筛查项目的12个站点安装了AI辅助阅片软件，邀请119名影像科医生参与研究，而纳入研究的筛查对象，即50-69岁女性共有46万余人，每位接受筛查女性的乳腺X光检查结果，均由两名医生分别独立阅片，其中26万女性被分入AI辅助阅片组，剩余则为对照组。
研究使用的辅助阅片软件Vara MG主要有两种特征，其一是AI模型判断“高度不可疑”的检查所见，会被归类为正常迹象，必要时由医生进行复核；其二则是“安全网”设置，即AI模型会判断和选取“高度可疑”的影像特征，如果影像科医生在阅片时将这类迹象判读为正常，“安全网”就会被激活并发出信息提醒，让医生对可疑迹象所在的部位再度进行判读[2]。
右图中白框区域即为“安全网”激活表现
说完这些，就直接来看看AI在实战中的表现好啦：AI辅助阅片组和对照组的乳腺癌检出率分别为6.7例/每1000人和5.7例/每1000人，意味着AI辅助使检出率相对提高了17.6%，且具有统计学显著性（95% CI: +5.7%, +30.8%），两组的阳性预测值（PPV）分别为17.9%和14.9%，召回率则分别为37.3和38.4/每1000人，AI辅助组也小占上风。
而AI辅助阅片软件中的“安全网”，共在3959例（1.5%）筛查中被触发，其中1077次结论被影像科医生认可，也直接使204例乳腺癌被检出；反过来说，8000余例被AI认定高度不可疑，但被医生团队再度评估的“正常”影像特征，则仅有20例是乳腺癌。
AI辅助阅片的各项关键数据
就看这一组数据来说，AI辅助阅片确实起到了不小的加持作用，且对不同年龄/乳腺密度/筛查轮次的女性，AI辅助阅片都表现良好。另外，AI辅助也能在一定程度上加快影像科医生的阅片效率，例如对AI标记为正常的检查结果，医生的中位阅读时间仅有16秒（标记不确定结果时为30秒，触发安全网时则为99秒）。
其实按奇点糕的看法，都不用说什么安全网和加速阅片，17.6%的检出率提升就足以让AI在未来临床筛查中占据一席之地啦，至于怎么让AI真正融入工作流程，这就是各位临床一线读者们要操心，可能也是必然要操心的问题，加油吧就参考文献：
[1]Eisemann N, Bunk S, Mukama T, et al. Nationwide real-world implementation of AI for cancer detection in population-based mammography screening[J]. Nature Medicine, 2025.
[2]Leibig C, Brehmer M, Bunk S, et al. Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis[J]. The Lancet Digital Health, 2022, 4(7): e507-e519.
来源：奇点肿瘤探秘
