在两次定期乳腺X线摄影筛查之间，有些乳腺癌会悄无声息地生长和扩散。这些被称为间隔期乳腺癌（IBC）。与在常规筛查中发现的癌症不同，间隔期癌症通常是因为患者在下次乳腺X线摄影之前出现了症状而被发现。这些癌症往往更具侵袭性且更难治疗，因此时机至关重要。
加州大学洛杉矶分校乔恩森综合癌症中心的一项最新研究表明，人工智能可能有助于更早地检测这些癌症——有时甚至在它们变得肉眼可见之前。借助AI，研究人员认为有可能减少漏诊数量，并改善许多患者的预后。
AI提供第二次检查机会
该研究的主要作者、加州大学洛杉矶分校放射学助理教授Tiffany Yu博士解释了IBC为何如此具有挑战性：“这些间隔期癌症类型可以在较早阶段被发现，那时癌症更容易治疗。对患者来说，早期发现可以带来很大不同。它可以导致更少侵袭性的治疗，并提高更好的预后几率。”
在美国，患者通常每年进行一次数字乳腺断层合成（也称为3D乳腺X线摄影）。相比之下，大多数欧洲国家依赖于数字乳腺X线摄影（即2D筛查），并建议每两年或三年筛查一次。时间和技术上的差异会影响这些癌症如何以及何时被发现。
与许多欧洲项目不同，美国的筛查项目并不常规分类间隔期癌症。这一差距使得评估筛查方法的有效性或AI工具如何帮助变得困难。加州大学洛杉矶分校的研究旨在解决这个问题。
数据分析
研究团队回顾了2010年至2019年的近185,000次乳腺X线摄影。从中他们确定了148例间隔期乳腺癌。使用从欧洲指南借用的分类系统，放射科医生根据这些癌症在早期扫描中的表现（或未表现）进行了分类。
这些类别包括：
- 错读错误：癌症可见但被忽略了。
- 微小征兆（可行动和不可行动）：癌症显示轻微迹象，可能被检测到或过于微妙而难以察觉。
- 隐匿性：癌症在乳腺X线摄影中不可见，但可能通过其他成像方法检测到。
- 真正的间隔期癌症：癌症在上次筛查时确实不存在，但在之后迅速发展。
- 技术错误：扫描本身有缺陷。
研究人员随后将一种名为Transpara的AI工具应用于这些早期乳腺X线摄影。AI根据癌症风险对每次扫描进行1到10的评分。任何超过8分的都被标记为可疑。
结果令人震惊。AI工具标记了76%最初被读作正常的但在后来被确认为间隔期癌症的乳腺X线摄影。这包括：
- 90%的错读错误病例。
- 89%的微小征兆可行动癌症。
- 72%的微小征兆不可行动癌症。
- 69%的隐匿性癌症。
- 50%的真正间隔期癌症。
换句话说，AI经常捕捉到放射科医生未能注意到的东西——尤其是在迹象非常微妙的情况下。
AI的局限性
尽管如此，这种工具也有其局限性。该研究的资深作者、同样来自加州大学洛杉矶分校的Hannah Milch博士指出，虽然AI标记了许多隐匿性癌症，但它在精确定位癌症位置方面表现不佳。
“例如，尽管在乳腺X线摄影中不可见，AI工具仍然标记了69%的含有隐匿性癌症的筛查乳腺X线摄影，”她说。“然而，当我们查看AI标记为可疑的具体区域时，AI的表现并不好，只在22%的时间内标记了实际癌症。”
这种差异表明，虽然AI工具在提醒医生潜在风险方面可能有用，但它不应作为单独的决策者。相反，它可以作为第二双眼睛，帮助放射科医生集中注意力，特别是在容易忽略异常情况的情况下。
Yu博士同意这一点。“虽然AI并不完美，不应该单独使用，但这些发现支持AI可以帮助将间隔期乳腺癌主要转向真正的间隔期癌症的想法，”她说。这意味着更多癌症在早期阶段被发现，而不会等到出现症状才被发现。
更大的图景
间隔期乳腺癌并不罕见。根据使用的项目和技术，它们占筛查人群中所有检测到的癌症的10%到38%不等。在一些报告中，IBC的发生率从每10,000次筛查中的7例到接近50例不等。
更加令人困惑的是“假阴性”乳腺X线摄影的定义——看起来正常但在事后显示出明显癌症迹象的扫描。一些研究将假阴性视为一种IBC；另一些则将其单独列出。因此，报告的假阴性率从4%到40%不等。
增加混乱的是筛查项目的多样性。筛查间隔、成像技术、读者数量甚至放射科医生的培训都会影响结果。因此，标准化间隔期癌症的审查和分类非常重要。
加州大学洛杉矶分校的研究是美国首批应用正式分类方法对大型筛查队列进行测试，并测试AI在实际病例中的表现的研究之一。虽然此前的研究主要来自欧洲系统，但这项工作展示了AI在美国背景下的表现，那里年度筛查和3D成像更为常见。
AI在乳腺癌筛查中的下一步
这些发现为AI可能为放射科医生和患者带来的希望提供了初步的展望。与训练有素的专业人员一起使用，AI工具可以帮助标记癌症的细微迹象，并在肿瘤变得更难治疗之前给予医生采取行动的机会。但还需要更多的研究来完善这些工具的使用方式，并回答关于其在临床环境中的准确性和可靠性的重要问题。
Milch博士说：“我们还有很多不知道的地方。”“需要更大的前瞻性研究来了解放射科医生在实践中如何使用AI，以及如何处理AI标记为可疑但肉眼不可见的情况。”
参与该研究的加州大学洛杉矶分校研究人员包括Anne Hoyt博士、Melissa Joines博士、Cheryce Fischer博士、Nazanin Yaghmai博士、James Chalfant博士、Lucy Chow博士、Shabnam Mortazavi博士、Christopher Sears、James Sayre博士、Joann Elmore博士和William Hsu博士。该研究得到了美国国立卫生研究院、国家癌症研究所、医疗保健研究与质量局以及Early Diagnostics Inc.的支持。
随着越来越多的此类工具变得可用，目标很明确：减少漏诊的癌症，尽早治疗，提高患者的预后。
(全文结束)
