摘要
全球乳腺癌发病率的上升和专业放射科医生的持续短缺加剧了对乳腺X线摄影筛查创新解决方案的需求。人工智能（AI）已成为填补这一供需缺口的有前景工具，其应用范围从完全自动化到集成AI-人类决策。本研究评估了在医疗环境中将人工智能（AI）纳入乳腺X线摄影筛查的经济可行性，考虑了完全或部分整合。为了评估经济可行性，我们采用了一个专门设计用于最小化乳腺X线摄影筛查成本的优化模型。该模型考虑了三种不同的方法来解读乳腺X线照片：仅使用AI的自动化策略、选择性分配任务给放射科医生和AI的委托策略，以及仅依赖放射科医生的专家独行策略。我们的发现强调了疾病流行率在与假阳性相关成本（例如随访费用）和假阴性相关成本（例如因漏诊导致的诉讼费用）之间的权衡中对医疗机构AI策略的重要性。我们利用来自一个AI竞赛的数据回测了我们的方法，在该竞赛中参与者旨在匹配或超越放射科医生在评估女性乳腺X线照片方面的表现。竞赛数据支持委托策略的最优性，相比仅依赖人类专家，潜在的成本节省为17.5%至30.1%。我们的研究为考虑在乳腺X线摄影筛查中整合AI的医疗机构提供了指导，并对各个领域的工作设计和人机混合解决方案具有更广泛的意义。
引言
乳腺X线摄影在乳腺癌早期检测中起着至关重要的作用。2021年，美国近3900万女性接受了乳腺X线摄影筛查，突显了这一医疗过程的大规模和显著成本。全球乳腺癌发病率的上升和专业放射科医生的有限可用性造成了供需缺口，而AI有望解决这一问题。
AI能否完全替代放射科医生解读乳腺X线照片进行乳腺癌筛查？尽管AI取得了显著进展，但最近的实验研究表明，AI算法在基于乳腺X线摄影的癌症筛查方面仍逊色于放射科医生。虽然AI在自动化乳腺X线摄影乳腺癌筛查方面显示出潜力，但在完全整合到临床实践之前还需要进一步研究。此外，AI可以作为一种强大的工具来进行分诊和优先排序。AI工具，如先进的机器学习算法，可以有效识别无显著发现的乳腺X线照片，简化审查过程，减轻放射科医生的工作量，并生成成本节约。对于标记出可能异常的乳腺X线照片，AI可以迅速将其转交给放射科医生进行进一步评估，确保及时和准确的患者护理。一项最近的瑞士临床试验表明，AI辅助筛查达到了与双读放射科医生相当的癌症检出率，突显了AI作为人类评估分诊工具的潜力。然而，这种策略的经济影响尚未得到探索。
在这项研究中，我们评估了将AI驱动解决方案整合到乳腺癌筛查项目中的经济可行性，并评估了与现状（仅依赖放射科医生）相比的成本和性能结果。我们考察了AI完全替代放射科医生的情况，并探讨了一种策略，即由AI算法提供初步评估，将特定病例委托给放射科医生。为了实现我们的研究目标，我们制定了并解决了一个优化模型，比较了三种策略：当前仅依赖专家放射科医生的做法（专家独行）、完全用AI替代放射科医生的自动化策略，以及AI和放射科医生共同承担职责的委托策略。我们的模型基于预测性AI的统计原理和基于预测的决策的经济影响。为了实证验证我们的结果，我们利用了来自乳腺X线摄影众包挑战的真实世界乳腺X线照片数据。目的是展示医疗机构如何设计其乳腺X线摄影操作，分配放射科医生和AI算法之间的任务，并量化这种安排的结果。
(全文结束)
