伊利诺伊大学厄巴纳-香槟分校的一位专家在一项新研究中表示，在乳腺癌筛查中利用人工智能（AI）最有效的方法可能是与人类放射科医生合作，而不是完全取代他们。
该研究发现，一种“委托”策略——即AI帮助初步筛选低风险的乳腺X线片，并将高风险病例标记出来供放射科医生进一步检查——可以在不损害患者安全的前提下，将筛查成本降低多达30%。
这项研究可以帮助医院和诊所在早期乳腺癌检测需求不断增长且放射科医生短缺的情况下，更好地将AI整合到诊断工作流程中。伊利诺伊大学厄巴纳-香槟分校医疗保健和技术交叉领域的专家Mehmet Eren Ahsen说：“我们经常听到这样的问题：AI能否取代这个职业或那个职业？在这个案例中，我们的研究表明答案是‘不一定，但AI确实可以提供帮助’。我们发现，AI的真正价值不在于取代人类，而在于通过战略性的任务共享来帮助他们。”
该研究发表在《自然通讯》杂志上，由德克萨斯大学达拉斯分校的Mehmet U. S. Ayvaci和Radha Mookerjee以及纽约大学格罗斯曼医学院和朗格尼健康中心的Gustavo Stolovitzky共同撰写。
研究人员开发了一种决策模型，比较了乳腺癌筛查中的三种决策策略：专家单独策略（目前临床标准，即放射科医生阅读每张乳腺X线片）、自动化策略（AI评估所有乳腺X线片，无需人工监督）和委托策略（AI进行初步筛查，并将模糊或高风险病例转给放射科医生）。
该模型考虑了广泛的成本因素，包括实施成本、放射科医生的时间、随访程序和潜在的诉讼。它使用了2016-2017年白宫科技政策办公室癌症登月计划赞助的全球乳腺X线片AI众包挑战赛的真实数据来评估结果。
研究发现，委托模式在成本节约方面优于全自动化和专家单独策略，最多可节省30.1%的成本。
虽然从效率角度来看，完全自动化放射学任务的想法可能很有吸引力，但该研究警告说，当前的AI系统仍然无法在复杂或边缘病例中取代人类判断。
Ahsen还担任卡莱尔伊利诺伊医学院的健康创新教授，他表示：“AI在识别相对简单且易于解释的低风险乳腺X线片方面非常出色。但对于高风险或模棱两可的病例，放射科医生的表现仍优于AI。委托策略正是利用了这一优势：AI简化了工作量，而人类则专注于最复杂的病例。”
仅在美国，每年就有近4000万次乳腺X线检查，乳腺癌筛查是一项关键的公共卫生工具。然而，这个过程既耗时又昂贵，不仅在劳动力方面，还包括因假阳性导致的随访程序。当癌症被漏诊时，假阴性会导致患者和医疗服务提供者遭受重大伤害，Ahsen说。
“乳腺X线筛查的一个问题是，由于筛查数量巨大，它会产生大量的假阳性和假阴性。如果每年4000万次乳腺X线检查中有10%的假阳性率，那么就有400万女性需要返回医院进行更多的预约、筛查和测试，甚至活检。”Ahsen说。
整个过程只会增加患者的焦虑和压力。“这是一个噩梦般的情景。随访预约通常需要几周时间，让患者头顶一片乌云。这对她们来说是一个非常紧张的时期。”他说。
通过AI和委托模式，医疗保健提供者有可能简化这一过程。“你接受筛查，AI发现了一些不喜欢的东西并立即标记你需要进一步检查，这一切都在你还在医院的时候完成。这可以使工作流程更加高效。”Ahsen说。
该研究还提出了关于如何在医学中实施和监管AI的更广泛问题。“委托策略在乳腺癌患病率较低或中等的情况下效果最好。在高患病率人群中，可能仍需要更多依赖人类专家。但在放射科医生较少的情况下，比如在发展中国家，AI密集型策略也可能适用。”Ahsen说。
另一个潜在的问题是法律责任。如果AI系统面临比人类临床医生更严格的法律责任标准，那么“即使在成本效益方面有优势，医疗机构也可能避免采用涉及AI的自动化策略。”Ahsen说。
这些发现可能适用于其他医学领域，如病理学和皮肤病学，这些领域对诊断准确性要求很高，但AI有可能提高工作流程效率。
Ahsen说：“我们可以24/7地使用AI，而且它不需要休息。AI将继续在医疗保健领域取得进展，我们的框架可以指导医院、保险公司、政策制定者和医疗保健从业者基于证据做出关于AI整合的决策。我们不仅在探讨AI能做什么，还在问它是否应该做，何时、如何以及在什么条件下作为帮助人类的工具来部署。”
(全文结束)
