这篇Nature Medicine的AI辅助筛查方案对做医学影像研究的很有参考价值

研究背景与科学问题

乳腺钼靶筛查是降低乳腺癌死亡率的关键手段，但其标准双读法高度依赖放射科医生，而全球范围内正面临放射科医生短缺的困境。既往回顾性研究显示，人工智能在图像判读中展现出潜力，但前瞻性、大规模的真实世界证据仍然缺乏。为此，研究团队开展了PRAIM研究，旨在回答一个核心现实问题：在真实的筛查工作流中，AI辅助双读能否在不增加不必要召回的前提下，有效提升乳腺癌的检出率。

【AI辅助影像】真实世界临床验证与效能提升课题设计

扫码免费获取1V1定制方案设计

一、Highlights

• • 在真实世界、全国性乳腺筛查中，AI辅助双读使乳腺癌检出率显著提升17.6%，达到每千人6.7例。

• • AI辅助双读在提升检出率的同时，召回率（每千人37.4例）非劣于传统双读（每千人38.3例），未增加额外负担。

• • AI辅助组的召回阳性预测值（17.9%）和活检阳性预测值（64.5%）均高于对照组，表明诊断效率与准确性同步提升。

• • 研究设计为前瞻性、观察性、非劣效性实施研究，由放射科医生自愿选择是否使用AI，更贴近真实临床实践。

二、研究方案与思路

（1）研究设计与启动：开展一项前瞻性、多中心、观察性、非劣效性实施研究，在德国12个筛查中心招募50-69岁参与乳腺筛查的女性，比较AI辅助双读与标准双读（无AI）的性能。

（2）分组与干预实施：采用自愿选择模式，由参与研究的119名放射科医生自主决定是否使用AI系统辅助阅片，从而形成AI支持组（260,739人）和对照组（202,355人），模拟真实临床决策环境。

（3）数据收集与指标评估：从2021年7月至2023年2月，共收集463,094例筛查数据，主要评估乳腺癌检出率、召回率，次要评估召回阳性预测值和活检阳性预测值等关键筛查指标。

（4）统计分析：采用非劣效性检验比较召回率，并评估AI支持组在癌症检出率上是否优于对照组，同时计算关键指标的百分比差异及其95%置信区间。

PRAIM研究纳入超46万女性验证AI辅助筛查效果

为了在真实世界环境中评估人工智能（AI）辅助乳腺钼靶筛查的效果，研究团队在德国开展了名为PRAIM的前瞻性、多中心、观察性实施研究。这项研究采用非劣效性设计，旨在比较AI辅助双读与标准双读（无AI辅助）在人群筛查中的表现。研究于2021年7月至2023年2月期间进行，覆盖了德国12个筛查中心。研究共纳入了463，094名年龄在50至69岁之间的无症状女性参与者，由119名放射科医生负责阅片。一个关键的设计特点是，放射科医生在每次检查时自愿选择是否使用AI系统进行阅片和报告。根据这一选择，共有260，739名女性的筛查被分配至AI辅助组，即至少有一位阅片医生使用了AI支持的阅片器；而其余202，355名女性则被归入对照组，即两位阅片医生均未使用AI系统。这种基于临床实际选择的真实世界实施模式，使得研究结果更能反映AI技术在未来大规模筛查项目中的潜在整合效果。

AI工作界面支持放射科医生根据风险分层阅片

研究团队将AI系统整合到常规筛查工作流中，该系统为放射科医生提供了一个专门的工作界面。该界面基于AI模型对每例筛查的置信度评估，将检查结果分为三类。第一类是AI高度确信为阴性的检查，被标记为“正常”。第二类是AI高度怀疑存在恶性病灶的检查，会触发“安全网”功能。其余检查则属于第三类，AI未给出高置信度的预测。在实际操作中，放射科医生可以依据这一风险分层来组织自己的工作列表。例如，他们可以选择优先集中审阅被标记为“正常”的病例，这些病例通常阅片速度更快，有助于提升整体工作效率。对于触发“安全网”的病例，系统会在医生初步判读为阴性后弹出警示框，并高亮显示AI认为可疑的区域，提示医生进行二次审阅。这种基于风险的分层管理方式，使得放射科医生能够更合理地分配注意力与时间，将更多资源聚焦于高风险或不确定的病例，从而在理论上优化了整个筛查流程的效率与准确性。

因果图与倾向性评分加权控制选择偏倚

由于放射科医生是自愿选择是否使用AI系统来审阅特定病例，这种非随机化的设计可能引入选择偏倚。例如，倾向于使用AI的医生可能本身具有不同的阅片习惯或经验水平，这可能导致AI组和对照组在基线特征上存在差异，从而干扰对AI真实效果的评估。为了控制这一混杂因素，研究团队构建了因果图来系统梳理并可视化所有可能影响“使用AI”与“筛查结果”之间关系的变量。该因果图考虑了包括放射科医生个体差异、筛查女性的年龄、乳腺密度、筛查轮次以及AI系统自身的预测结果在内的多个潜在混杂因素。基于此，研究团队确定了“读者组”和“AI预测”为需要控制的关键混杂变量。随后，他们采用了逆概率加权的方法来校正这些偏倚。具体而言，研究团队首先为每位筛查女性计算了其被分配到AI组的倾向性评分，该评分综合了其所属的读者组和AI预测结果等信息。然后，他们应用重叠加权技术，对倾向性评分分布重叠区域的样本赋予更高的权重。这种方法有效地平衡了AI组与对照组在关键混杂因素上的分布，使得两组在分析中具有可比性，模拟了随机对照试验的效果，从而确保后续观察到的组间差异更可能归因于AI辅助本身，而非医生的选择偏好或其他混杂因素。

AI标记为正常的检查可显著缩短阅片时间

为了评估AI系统对放射科医生工作负荷的实际影响，研究团队专门分析了不同AI预测类别下的阅片时间。这些数据仅在使用了AI辅助阅片器的检查中可获得。分析结果显示，AI系统对筛查检查的风险分层与阅片效率直接相关。具体而言，被AI标记为“正常”的检查，其中位阅片时间仅为28秒。相比之下，AI未给出明确分类（即“无信心”预测）的检查，其中位阅片时间为49秒，而被AI“安全网”功能标记为高度可疑的检查，阅片时间最长，中位数为41秒。总体来看，放射科医生审阅AI标记为“正常”的检查所花费的平均时间，比审阅非“正常”标记的检查缩短了43%。这一发现直接量化了AI在优化工作流程方面的价值，它通过快速、高置信度地识别出低风险病例，使医生能够将有限的阅片时间更集中地分配给那些真正需要深入评估的复杂或可疑影像。这为实现筛查工作负荷的合理化分配提供了实证依据。

AI安全网功能成功识别了人眼漏诊的癌症病例

研究团队在论文中展示了一个具体案例，直观说明了“安全网”功能在临床实践中的关键作用。该案例中，一名接受筛查的女性其乳腺X线摄影检查最初由两名放射科医生独立审阅，两人均将其评估为阴性，对应的乳腺影像报告和数据系统（BI-RADS）分类为1类或2类。然而，集成在工作流中的AI系统基于其算法分析，将该病例判定为高度可疑，从而激活了“安全网”警报。当放射科医生在AI辅助阅片界面完成初判并准备提交阴性报告时，系统弹出了提示框，醒目地标出了图像中被AI认为可疑的区域。这促使医生重新、仔细地评估了该区域。经过再次审阅，医生改变了最初的判断，将病灶的评估等级提升至BI-RADS 4类或5类，即建议进行活检。后续的穿刺活检病理结果证实，该病灶确实为浸润性癌。这一过程清晰地表明，AI的“安全网”机制能够有效捕获那些在常规双读流程中可能被人类医生忽略的细微或早期恶性征象。该案例成为AI作为有效辅助工具，提升筛查敏感性的直接证据，避免了潜在漏诊。研究团队指出，在整个研究期间，类似这样由“安全网”触发、最终被接受并确诊为乳腺癌的案例共有204例，其中包含61例导管原位癌和142例浸润性癌，这凸显了该功能在真实世界筛查环境中的实际增量价值。

模拟分析证实研究结果稳健不受医生自我选择影响

由于本研究采用放射科医生自愿选择是否使用AI系统的观察性设计，研究团队意识到这可能引入选择偏倚，例如使用AI的医生本身可能具有不同的阅片习惯或诊断倾向。为了验证主要结果的稳健性，研究团队进行了深入的模拟分析。他们构建了多种模拟情景，用以模拟不同的医生阅读行为模式。这些情景包括假设使用AI的医生本身具有更高或更低的基线癌症检出率倾向，以及模拟AI预测结果（如标记为“正常”）如何影响医生选择使用哪款阅片软件的行为模式。在每一种模拟情景下，研究团队都计算并比较了AI组与对照组的未调整癌症检出率。分析结果显示，即使在多种可能存在的自我选择偏倚情景下，AI辅助组展现出更高癌症检出率这一核心发现依然成立。这一模拟分析证实，观察到的癌症检出率提升并非由医生的自我选择所驱动，而是与AI辅助本身相关，从而显著增强了研究结论的可信度。研究团队通过这种方法，有力地回应了观察性研究中常见的混杂因素质疑，表明其统计分析框架能够有效控制潜在的偏倚，确保结果反映AI的真实效应。

AI辅助筛查提升癌症检出率与诊断准确性

研究团队报告了这项大规模真实世界研究的主要终点结果。在调整了潜在的混杂因素后，AI辅助双读组的乳腺癌检出率（BCDR）为每千名筛查女性6.7例，显著高于标准双读对照组（每千名5.7例），相对提升幅度达到17.6%。与此同时，AI辅助组的召回率为每千名37.4例，非劣效于对照组的每千名38.3例。在诊断准确性方面，AI辅助组的召回阳性预测值（PPV）为17.9%，高于对照组的14.9%；其活检阳性预测值达到64.5%，也高于对照组的59.2%。这些数据表明，AI辅助筛查在提升检出率的同时并未增加不必要的召回，改善了筛查的核心效能指标。研究团队总结，在真实世界的乳腺钼靶筛查流程中整合AI支持，能够在不损害特异性的前提下有效提高癌症检出率。未来研究将关注AI对不同亚组（如致密型乳腺）筛查效果的长期影响，并需要通过随访数据来评估其对间期癌发生率及癌症分期分布的最终影响。

【AI辅助影像】真实世界临床验证与效能提升课题设计

扫码免费获取1V1定制方案设计