一项发表在《欧洲放射学杂志》的最新研究表明，人工智能辅助靶向超声技术（targeted USG）在检测乳腺病变方面展现出突破性进展，可同时有效识别肿块型与非肿块型乳腺病变。
全球女性恶性肿瘤发病率中，乳腺癌位居首位且是除黑色素瘤外致死率最高的癌症类型。影像学检查在乳腺癌诊疗中具有关键作用，尤其对不可触及的早期肿瘤检出至关重要。超声和乳腺X线摄影是当前最常用的影像学检查方法，在巴西因其经济性和可及性成为主要筛查手段，适用于致密型乳腺年轻患者的常规筛查，以及X线摄影或临床检查可疑区域的补充诊断。
随着影像生物标志物技术的发展，诊断成像正在经历范式转变。人工智能（AI）的应用使影像评估实现前所未有的精确性、客观性和可重复性。此前AI已成功应用于病灶识别、分类和乳腺癌风险预测等临床场景。本项研究评估了AI软件基于超声影像预测乳腺癌风险的应用效果。
研究纳入接受MRI检查发现乳腺病变，并随后进行靶向超声检查及超声引导穿刺活检的患者。通过AI软件分析超声数据，并与影像异常进行对照。共评估334个病灶（183个肿块型，151个非肿块型），组织学检查显示恶性病变77例（23.1%），良性病变257例（76.9%）。放射科医生与AI算法在预测病灶恶性概率方面均表现出高灵敏度，而当放射科医生联合AI软件使用时，特异性显著提高（p < 0.001）。
研究显示，对于放射科医生或AI软件判定为BI-RADS 2或3类的72个病灶（21.6%），其病理结果均显示良性。该技术在靶向超声检查中可有效减少假阳性结果，同时避免漏诊肿瘤，为临床活检决策提供更精确的判断依据。
参考文献：
Lima, I. R. M., Cruz, R. M., de Lima Rodrigues, C. L., Lago, B. M., da Cunha, R. F., Damião, S. Q., Wanderley, M. C., & Bitencourt, A. G. V. (2025). Performance of AI-Based software in predicting malignancy risk in breast lesions identified on targeted ultrasound. European Journal of Radiology, 191(112339), 112339.
【全文结束】
