研究发现人工智能在乳腺癌检测中的可靠性存疑，当前AI工具可能漏诊近三分之一的乳腺癌病例。但研究者指出，一种特殊的磁共振成像技术或可弥补这一缺陷。
研究人员对414名近期确诊乳腺癌、平均年龄55.3岁的女性进行了回顾性分析，评估基于人工智能的计算机辅助诊断系统（AI-CAD）在解读乳腺X光片和乳腺MRI扫描时的表现。要被计为"检出"，该系统必须同时将病变评为可疑并准确定位；若未能满足这些标准，则标记为AI漏诊。
致密型乳腺组织中AI漏诊更多癌症
研究结果令人震惊：AI系统漏诊了127例癌症，占总病例的30.7%。研究发现两大关键因素与漏诊密切相关：致密型乳腺组织（影像中易掩盖肿瘤）和小肿瘤尺寸，特别是2厘米或更小的癌症，漏诊可能性几乎是其他肿瘤的五倍。
研究人员同时测试了潜在解决方案。两名放射科医生仅审查MRI扫描中的扩散加权成像（DWI）部分——这是一种快速、无需造影剂的技术，通过测量水分子在组织中的运动来判断异常。使用简单的置信度量表，他们评估DWI图像是否提示癌症。
研究结果令人鼓舞：单独使用DWI即识别出AI遗漏的大多数癌症，一名放射科医生检出83.5%的漏诊病变，另一名检出79.5%。两位医生的解读高度一致，表明该方法既可靠又可重复。DWI对大于一厘米的癌症及乳腺X光片不可见的肿瘤效果最佳，但对小于一厘米的微小病变准确性有所下降。
改进乳腺影像中人工智能的下一步
专家指出，尽管AI正成为乳腺影像领域的强大工具，但其并非万无一失。研究表明，在AI筛查中补充DWI可作为有效安全网，尤其适用于致密型乳腺组织女性，这类人群中人类和机器解读者均易出现困难。
不过，研究者强调该研究存在局限性：仅纳入已确诊癌症的女性且在单一机构完成，结果可能无法代表更广泛筛查人群。他们呼吁开展前瞻性多中心试验，以验证DWI能否可靠提升AI辅助乳腺癌检测的准确性。
参考文献
Kim JY等. 扩散加权成像在检测人工智能乳腺X光片漏诊乳腺癌中的附加价值. Radiol Med. 2025. doi:10.1007/s11547-025-02161-1
【全文结束】
