MASAI试验[1]的结论是，人工智能(AI)支持的筛查"能有效提高筛查性能"，并"可考虑在临床实践中实施"。然而，这些推荐基于中间性能终点，尽管该试验得出的流行病学结论引发了对潜在过度诊断的担忧。
每1000名接受筛查的女性中，AI检测出1.4例额外癌症，但仅预防了0.2例间隔癌。干预组在Luminal A型间隔癌方面没有减少（30例对28例），且导管原位癌间隔癌有所增加（7例对4例）。这一观察结果在流行病学上与筛查相关过度诊断的经典模式一致，即生物惰性病变被优先检测到，但临床上重要疾病的减少不成比例。[2]如果AI确实显著推进了临床后果性恶性肿瘤的诊断，那么相应亚型的间隔癌应成比例减少。[3]由于该干预措施将AI支持的分诊和风险分层与系统召回机制相结合，这种比较反映的是两种根本不同的诊断路径，而非单纯的AI。观察到的检测增量发生在特异性未受影响且间隔癌负担降低的情况下，因此可能部分源于筛查后诊断评估强度的异质性和不同路径间的注意力分配差异，而非代表筛查判别能力的纯粹提升。
该试验显示癌症检测率提高了29%，而间隔癌仅减少了12%。这种结构上的不匹配与一种情景一致：大部分额外检测可能不会转化为有意义的临床获益。如果没有多轮随访显示晚期癌症累积发病率降低，就无法区分真正的早期拦截和诊断膨胀。
临床意义需要强调。76例额外筛查检出癌症与11例减少的间隔癌之间存在显著的数量失衡。即使只有一小部分额外检测反映过度诊断，也会有相当数量的女性面临不必要的手术、放疗和系统性治疗。间隔癌率虽然是一个临床相关指标，但不能直接量化最终的以患者为中心的结果，如晚期疾病负担和乳腺癌特异性死亡率。[4]
在广泛实施之前，必须有多轮随访显示晚期癌症发病率持续降低且无诊断膨胀的证据。增加癌症检测不应与改善患者预后混为一谈。在AI支持的筛查被推荐用于常规临床实践之前，仍需有减少晚期疾病负担并最终降低死亡率的证据。
利益冲突
LS是欧洲老年医学学会大数据特别兴趣小组主席（无薪）和《欧洲老年医学》副主编（无薪）。其他所有作者声明无利益冲突。
【全文结束】