Effekten av att använda artificiell intelligens som sekundärgranskare i bröströntgen, inklusive skiljeförfarande

Varför denna studie är viktig för kvinnor och familjer

Bröstscreening är ett av de mest använda verktygen för att upptäcka cancer i ett tidigt skede, då behandling är mer effektiv och mindre påfrestande. Systemet är emellertid beroende av en stor, högt specialiserad arbetsstyrka som granskar mammografibilder med blotta ögat. I Storbritannien finns inte tillräckligt många radiologer för att tryggt möta efterfrågan, vilket väcker oro för förseningar och missade cancerfall. Denna studie ställer en fråga som berör miljontals kvinnor: kan ett system med artificiell intelligens (AI) säkert ta över delar av läsningen tillsammans med mänskliga experter utan att ge avkall på noggrannheten — och kanske till och med hjälpa till att hitta cancer tidigare?

Hur bröstscreening fungerar i dag

I National Health Service Breast Screening Programme bjuds kvinnor i åldern 50 till 70 in till mammografi vart tredje år. Varje bildserie läses normalt oberoende av två utbildade mammografiläsare, såsom radiologer eller specialist-radiografer. Om de två är oense, eller om den lokala policyn kräver det, går ärendet till en särskild diskussion kallad skiljeförfarande, där läsarna tillsammans beslutar om kvinnan ska kallas tillbaka för ytterligare undersökningar. Detta dubbelgranskningssystem är utformat för att balansera två mål: att fånga så många cancerfall som möjligt samtidigt som man undviker onödiga återkallelser som orsakar oro, extra undersökningar och kostnader.

Vad forskarna ville pröva

Teamet studerade mammografier och kliniska journaler från 50 000 kvinnor som screenats vid två sjukhustjänster i London. Eftersom dessa kvinnor hade flera års uppföljning kunde forskarna se inte bara vilka cancerfall som upptäcktes vid screeningen utan också vilka som dök upp senare mellan screeningtillfällen (så kallade intervallcancer) eller vid nästa rutinundersökning. De jämförde två arbetssätt med samma historiska bilder: den standardmässiga metoden med två mänskliga läsare och en AI-assisterad metod där den första läsaren var människa och den andra var ett AI-system utvecklat av Google. Alla fall som behövde ett slutgiltigt beslut gick till skiljepaneler bestående av 22 erfarna läsare, som arbetade på samma sätt som i verkliga kliniker.

Hur väl AI stod sig mot mänskliga experter

Överlag presterade användning av AI som andra läsare åtminstone lika bra som två människor, när skiljebesluten beaktades. Den AI-assisterade vägen visade mycket likartad förmåga att identifiera kvinnor som faktiskt hade cancer (känslighet) och att tryggt avfärda dem som inte hade det (specificitet), och uppfyllde strikta statistiska kriterier för ”icke-underlägsenhet”. Faktum är att specificiteten var något högre med AI, vilket innebar färre onödiga återkallelser, och cancerupptäcktsfrekvensen var i praktiken identisk mellan de två tillvägagångssätten. Eftersom AI ersatte en av de mänskliga bedömningarna i majoriteten av fallen minskade det totala antalet rutinläsningar med ungefär hälften, vilket motsvarar en beräknad minskning av läsartiden med 36–44 % även efter att den ökade insatsen vid skiljeförfaranden räknats in.

Var AI hjälpte — och var den brast

Innan skiljeförfarandet var AI-systemet mer benäget än enskilda mänskliga läsare att flagga cancer som senare dök upp mellan screeningtillfällen eller vid nästa rutinundersökning, vilket tyder på att det ibland kan se subtila förändringar som människor missar. Många av dessa potentiella tidiga varningar undanröjdes dock under skiljeförfarandet, särskilt när läsarna påverkades av äldre bilder som AI inte analyserat eller av ytterligare AI-markerade områden som visade sig vara ofarliga. I en liten men viktig delmängd av 93 kvinnor bedömde AI korrekt att något var fel, men skiljepanelerna beslutade att inte kalla tillbaka; de flesta av dessa kvinnor utvecklade senare intervall- eller nästa-runda-cancer. Samtidigt avfärdade mänskligt skiljeförfarande många AI-utlösta återkallelser hos kvinnor som i slutändan var cancerfria, vilket förbättrade den totala specificiteten. Över olika åldersgrupper, etniciteter, brösttätheter och cancertyper matchade den AI-assisterade vägen generellt standardvårdens prestanda, även om resultaten för vissa mindre undergrupper var osäkrare.

Vad detta kan betyda för framtida screening

Studien tyder på att AI säkert kan axla rollen som andra läsare i bröstscreening utan att sänka vårdkvaliteten, samtidigt som trycket på en ansträngd arbetsstyrka minskar. Den belyser dock också begränsningarna i dagens system: av sig självt visade AI löfte om att flagga cancer tidigare, men dessa fördelar utspäddes när människor, förståeligt nog försiktiga, överprövade vissa AI-förslag. Författarna menar att förbättrad förmåga för AI att förklara sina bedömningar, minskning av distraherande falsklarm och utbildning av kliniker i när man ska lita på eller ifrågasätta verktyget skulle kunna frigöra mer av dess potential. Om dessa mänsklig–maskin-partnerskap förfinas och noggrant prövas i verkliga kliniska studier kan AI-stödd screening inte bara upprätthålla nuvarande program utan också bidra till att fler kvinnor får sin cancer upptäckt i ett stadium då behandlingen har störst chans att lyckas.

Citering: Warren, L.M., Venton, J., Young, K.C. et al. Impact of using artificial intelligence as a second reader in breast screening including arbitration. Nat Cancer 7, 507–521 (2026). https://doi.org/10.1038/s43018-026-01128-z

Nyckelord: bröstcancerscreening, mammografi, artificiell intelligens, radiologernas arbetsbelastning, medicinskt skiljeförfarande