前沿分享 | Nature Medicine：人工智能赋能乳腺癌筛查——基于德国全国性真实世界研究的新突破

03月23日

来源：智能肿瘤学

本文是目前关于人工智能（AI）在乳腺癌筛查中规模最大且基于真实世界数据的研究，展示了AI技术在提高癌症检测率、优化召回率以及提升筛查效率方面的显著优势。文章不仅验证了AI在多中心、多样化数据环境中的适应性和泛化能力，还为乳腺癌筛查流程的优化提供了宝贵的科学依据。

引言

近期，Nature Medicine发表了一篇由Jonas Teuwen博士及其研究团队主导的研究，探讨了人工智能（AI）辅助技术在德国全国范围内乳腺癌筛查中的实际应用潜力。文章指出，尽管AI在回顾性研究中已显示出超越传统方法的诊断能力，但其在多中心、真实世界筛查环境中的表现尚不清楚。为此，研究团队开展了一项大规模前瞻性的研究，评估AI支持的双读片模式在提高癌症检测率、优化召回率和提升筛查效率方面的效果。研究结果表明，AI不仅显著提高了癌症检测率[特别是在乳腺导管原位癌（DCIS）的检测上表现优异]，同时通过减少不必要的召回降低了临床负担，更重要的是，该研究验证了AI技术在多样化筛查环境中的适应性和可行性，为乳腺癌筛查流程的优化提供了关键数据支持。这一研究为AI在公共健康中的应用开辟了新路径，展示了其在推动乳腺癌早期检测和筛查效率提升方面的重要潜力。

研究背景

乳腺癌筛查是降低乳腺癌相关死亡率的重要方法。然而，现有方法在提高灵敏度和特异性方面仍有改进空间，特别是在减少假阳性和假阴性方面。AI的应用近年来显示出巨大的潜力，但其在大规模、真实世界筛查中的实际效果仍未得到充分验证。本研究（PRAIM）首次在德国全国范围内，基于德国12个乳腺癌筛查中心的真实世界数据，评估了AI辅助筛查与传统双读片模式的性能差异。

研究方法

本研究基于真实世界环境，使用了CE认证的AI系统（Vara MG）。该系统通过深度学习模型对乳腺X线影像进行分析，采用两项核心功能：

正常分类功能：AI标记出被认为“高度无异常”的影像，帮助医生减少低风险病例的工作量。

安全网功能：对于高度可疑的影像，AI提示可能的癌变区域，协助医生复核。

图1 研究概况

结果与结论

癌症检测率（BCDR）

如表1所示，AI组的癌症检测率（6.7‰）显著高于对照组（5.7‰），相对提高了17.6%（95% CI：+5.7%，+30.8%）。在检测的癌症中，AI组的DCIS检测率为1.4‰，高于对照组的0.8‰（增加了67.6%）。对于浸润性癌症的检测率，AI组也有所提升。AI的“安全网”功能成功发现了204例本可能漏诊的癌症（包括61例DCIS和142例浸润性癌症）。

表1 模型预测的BCDR、召回率、活检率和共识率以及AI组和对照组的相应差异

召回率

根据表1中的数据：AI组的召回率为37.4‰，对照组为38.3‰，相对减少了2.5%（95% CI：－6.5%，+1.7%）。这表明，AI能够在提高癌症检测率的同时，避免不必要的召回。

阳性预测值（PPV）

AI组的召回PPV为17.9%，高于对照组的14.9%；活检PPV在AI组为64.5%，也高于对照组的59.2%，表明AI能够提高诊断效率并减少不必要的进一步检查。

工作效率与时间节省

AI显著减少了医生的读片时间，特别是对标记为“正常”的影像，平均仅需16 s完成1例，而非“正常”影像需要约39 s。这意味着AI在筛查工作中能显著降低放射科医生的负担，提升效率。

结合以上结果，AI支持的乳腺癌筛查不仅提高了癌症检测率，特别是早期乳腺癌（如DCIS）的检测能力，同时也减少了召回率和不必要的活检操作。AI的“安全网”功能为医生提供了进一步判断的支持，避免了部分可能的漏诊情况。

医患关系的智能化重塑

真实世界研究

本研究是基于德国乳腺癌筛查项目的一项全国性真实世界研究，覆盖了12个乳腺癌筛查中心，涉及超过46万名女性参与者。这是目前关于AI在乳腺癌筛查领域中规模最大的实际应用研究，评估了AI在多样化临床环境中的表现，具有重要的外部有效性。

验证AI在筛查流程中的优越性

研究表明，AI支持的筛查在不增加召回率的情况下显著提高了癌症检测率，相较于传统双读片方法，癌症检测率提升了17.6%。特别是在早期癌症（如DCIS）检测方面，AI展现出明显的优势，同时优化了筛查流程，减少了不必要的召回。

AI功能的创新性应用

AI在筛查流程中引入了“正常分类”和“安全网”功能，通过标记高度无异常病例减少医生阅片负担，并通过对高度可疑病例的额外提示，避免了204例可能漏诊的癌症。AI的正常病例阅片时间仅为16 s，大幅提升了筛查效率，同时支持医生更精准地做出诊断。

对乳腺癌筛查政策的潜在影响

研究验证了AI在真实世界筛查流程中的可行性，并证明其具有无缝集成到现有双读片流程中的潜力。这为政策制定者提供了数据支持，有助于推动将AI技术纳入乳腺癌筛查指南，并缓解医生短缺问题，提高筛查效率。

文献来源

Eisemann, N. et al. Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nat. Med. 1–8 (2025) doi:10.1038/s41591-024-03408-6.

责任编辑：肿瘤资讯-DLF
排版编辑：肿瘤资讯-Z Y

本文仅供专业人士参看，文中内容仅代表智能肿瘤学立场与观点，不代表肿瘤资讯平台意见，且肿瘤资讯并不承担任何连带责任。若有任何侵权问题，请联系删除。

03月26日

雷昕奕

永州市中心医院 | 胃肠外科

基于德国全国性真实世界研究的新突破

03月25日

桂兰兰

南通市海门区人民医院 | 肿瘤内科

好好学习天天向上

03月24日

吕志国

益阳市大通湖区人民医院 | 呼吸内科

学习中进步学习中收获