ERIA研究项目报告2025财年 第18号提升乳腺癌检测E FxMammo：一个多体验人工智能评估的结果
引言
乳腺癌是全球主要的癌症致死原因，早期检测对改善预后至关重要。然而，钼靶的有效性受地区、人群和乳房成分影响，致密乳房组织会降低钼靶灵敏度，尤其在年轻女性和亚洲人群中。放射科医生解释性能存在差异，医生短缺的国家问题尤为突出。人工智能（AI）作为辅助工具，可提高诊断准确性、减少阅片者差异并提升效率。
研究目标与意义
本研究旨在评估FxMammo AI系统对印度尼西亚乳腺癌检测的诊断影响，确定其能否提高放射科医生在解读乳腺X线照片时的灵敏度、特异性和总体准确率，并探讨AI辅助作为第二读片者的潜力。研究意义在于为AI在放射学临床整合领域的应用提供证据，并为LMICs的数字健康公平和能力建设做出贡献。
研究方法
本研究在印度尼西亚加查马达大学进行，采用单中心、横断面、多阅片者、多病例（MRMC）研究设计。回顾性收集了500例数字乳腺摄影病例（250例恶性，250例良性/正常），由六名放射科医生（三名初级放射科医生和三名高年级放射科住院医生）在盲法条件下两次解读：一次无辅助，一次使用FxMammo AI系统。
研究发现
- 病例特征：500例病例平均患者年龄为52.09岁，50%为恶性肿瘤，包括浸润性癌和以微小钙化为主的病变。乳腺密度分布为：6.4% BI-RADS A，27.0% BI-RADS B，58.0% BI-RADS C，8.6% BI-RADS D。
- AI对癌症检测的影响：AI辅助显著提高了所有阅片者的诊断性能。放射科医生和住院医生的准确率均显著提高，从约82.9%提高到约85.4%和87.1%。AI支持下的灵敏度提高，特异性得到提升，未导致假阴性遗漏。
- 阅片者间一致性：AI辅助后，放射科医生和住院医生的kappa值分别从0.642和0.648提高到0.672和0.773，表明阅片者对同一判断达成一致的可能性增加。
政策建议
- 培训和教育：对放射科医生和实习医生进行AI培训，了解其工作原理、失效模式和最佳实践。
- 工作流集成与资源规划：将AI整合到乳腺摄影判读工作流程中，作为第二位阅片医生，并规划IT基础设施和资金支持。
- 持续监控和反馈：建立系统持续监测AI性能，并收集用户反馈以改进算法。
- 人力资源重新分配：AI可帮助缓解人员短缺，将放射科医生的时间重新分配到复杂病例或其他职责。
结论
FxMammo AI系统能够显著提高乳腺癌检测的诊断性能，尤其在致密乳腺组织和经验较少的阅片员中。AI有助于减少阅片者间差异，并解决乳腺钼靶摄影中的解释不一致和繁重的临床工作量问题，为患者带来更及时的诊断和更少的随访。
