美國(guó)加州大學(xué)Yu等報(bào)告，與真正的間隔期或隱匿性癌癥相比，人工智能（AI）更多地檢出和準(zhǔn)確定位鉬靶篩查可見的間隔期乳腺癌（IBC）類型（未查出或特征不明顯）。（J Natl Cancer Inst. 2025年4月18日在線版）

歐洲研究表明，AI可減少IBC。然而，在美國(guó)，關(guān)于IBC分類和AI對(duì)IBC有效性的研究，特別是使用數(shù)字化乳腺斷層攝影技術(shù)（DBT）和年度篩查的研究是有限的。該研究目的是用乳房鉬靶成像對(duì)IBC進(jìn)行分類，并用12個(gè)月的篩查間隔評(píng)估AI的表現(xiàn)。

從2010~2019年在美國(guó)三級(jí)醫(yī)療學(xué)術(shù)中心獲得的數(shù)字乳房鉬靶檢查（DM）和DBT篩查乳房鉬靶檢查中，研究者確定了乳房鉬靶檢查陰性后診斷為IBC<12個(gè)月的患者。至少三名乳腺放射科醫(yī)生回顧性地將IBC分為漏報(bào)錯(cuò)誤、（鉬靶）最小特征可判、（鉬靶）最小特征不可判、真正間隔期、隱匿性或技術(shù)性漏報(bào)錯(cuò)誤。深度學(xué)習(xí)AI工具為陰性指數(shù)篩查乳房鉬靶圖像分配風(fēng)險(xiǎn)分?jǐn)?shù)（1~10），分?jǐn)?shù)≥8被視為“標(biāo)記”。統(tǒng)計(jì)分析評(píng)估了IBC類型與AI篩查分?jǐn)?shù)、AI標(biāo)記和患者/腫瘤特征之間的關(guān)系。

從184 935張篩查乳房鉬靶圖像（65%為DM，35%為DBT）中，研究在148名女性（平均年齡61歲±12歲）中發(fā)現(xiàn)了148例IBC。其中，26%為最小特征可判，24%為隱匿性，22%為最小特征不可判，17%為漏讀錯(cuò)誤，6%為真正間隔期癌，5%為技術(shù)性漏報(bào)錯(cuò)誤（P<0.001）。AI對(duì)131張乳房鉬靶圖像（排除17個(gè)錯(cuò)誤）進(jìn)行了評(píng)分。AI最常檢出的是漏報(bào)錯(cuò)誤（90%），最小特征可判（89%）和最小特征不可判（72%，P=0.02）。AI定位乳腺鉬靶可見型癌的準(zhǔn)確率（35%~68%）高于不可見型（0~50%，P=0.02）。

（編譯 周蕓）