商业数字乳腺断层摄影模型在乳腺癌检测中的亚组表现

这对女性和家庭为何重要

乳腺癌筛查能挽救生命，但没有任何检测是完美的。医生们正转向人工智能（AI）来帮助解读复杂的三维乳腺X光图像。本研究深入考察了一种广泛使用的AI系统在不同女性群体与不同类型乳腺病变中的表现，揭示了该工具擅长之处与薄弱环节。

更细致地看一种新型乳腺摄影

传统乳腺摄影是平面的二维X光片。许多门诊现在使用数字乳腺断层摄影（DBT），这是一种由多张薄层图像重建的类三维扫描。它能发现可能被组织重叠掩盖的癌变，尤其在致密乳房中更有优势，但图像解读耗时更长，仍可能漏检提示早期疾病的微小钙化点。因此，厂商开发了AI工具来标注可疑区域以协助放射科医师。迄今为止，对这些工具的大多数评估集中在总体准确性，而非它们在特定患者或肿瘤类型上的行为。

针对真实世界的大规模AI测试

埃默里大学的研究者们评估了一款名为 INSIGHT DBT 的商业AI系统，该系统用于超过167,000次筛查检查的三维乳腺图像，涉及61,000多名女性。他们将AI得分与实际结局对比，区分出明确阴性检查、良性活检及确诊癌症。主要问题是AI在常规筛查中发现的癌症与最终非癌性检查之间区分得如何。汇总所有女性的数据后，AI表现强劲，在大多数情况下能够正确排序癌性与非癌性检查，并与其原始监管审查结果相符。按年龄、种族和族裔分组表现相似，这对于医疗公平是一个重要发现。

AI的优势与不足

当团队深入细分时，出现了若干关键模式。AI在识别形成实性肿块或在乳腺组织中造成可见牵拉的侵袭性癌症方面表现最佳；对这类病例的大多数能被正确标注。对于仍局限于乳管内的原位疾病（如DCIS）以及主要以细小钙化簇为表现的癌症，其可靠性较差。对于这些早期病变，系统漏诊接近一半，整体准确性下降。致密乳腺组织也会适度降低其表现，可能是因为致密组织会掩盖细微征象。

得分模式揭示了什么

通过检查AI得分的整个分布，而不是简单的二元判定，研究者发现病理更可疑的检查往往获得更高分。良性和低风险发现通常得分较低，而侵袭性癌症集中在高分端。然而，某些非癌性牵拉也获得了高分，导致误报，且一些罕见亚型的侵袭性癌与原位病变被低估。AI还对大约三分之一出现在常规筛查间期的癌症给予了较高分，表明它有时能识别人类遗漏的线索，尽管这在真实世界中的实际影响仍不确定。

对患者和临床医生的影响

对普通读者而言，结论是：该AI工具能够在解读复杂的三维乳腺图像时切实协助放射科医师，在主要人口学群体间并无明显差异。然而，它并非独立的癌症检测器。它对以钙化为主的最早期癌变以及在极致密乳腺中的可靠性较低，而且仍可能在一些良性病例中引发不必要的后续检查。作者认为，在日常筛查中依赖AI之前，理解这些优势与盲点至关重要，以便医生将AI作为谨慎的协作者而非替代者。

引用: Brown-Mulry, B., Isaac, R.S., Lee, S.H. et al. Subgroup performance of a commercial digital breast tomosynthesis model for breast cancer detection. Nat Commun 17, 4249 (2026). https://doi.org/10.1038/s41467-026-70637-3

关键词: 乳腺癌筛查, 数字乳腺断层摄影, 医学人工智能, 乳腺摄影, 导管内原位癌（DCIS）