美国加州大学Yu等报告，与真正的间隔期或隐匿性癌症相比，人工智能（AI）更多地检出和准确定位钼靶筛查可见的间隔期乳腺癌（IBC）类型（未查出或特征不明显）。（J Natl Cancer Inst. 2025年4月18日在线版）

欧洲研究表明，AI可减少IBC。然而，在美国，关于IBC分类和AI对IBC有效性的研究，特别是使用数字化乳腺断层摄影技术（DBT）和年度筛查的研究是有限的。该研究目的是用乳房钼靶成像对IBC进行分类，并用12个月的筛查间隔评估AI的表现。

从2010~2019年在美国三级医疗学术中心获得的数字乳房钼靶检查（DM）和DBT筛查乳房钼靶检查中，研究者确定了乳房钼靶检查阴性后诊断为IBC<12个月的患者。至少三名乳腺放射科医生回顾性地将IBC分为漏报错误、（钼靶）最小特征可判、（钼靶）最小特征不可判、真正间隔期、隐匿性或技术性漏报错误。深度学习AI工具为阴性指数筛查乳房钼靶图像分配风险分数（1~10），分数≥8被视为“标记”。统计分析评估了IBC类型与AI筛查分数、AI标记和患者/肿瘤特征之间的关系。

从184 935张筛查乳房钼靶图像（65%为DM，35%为DBT）中，研究在148名女性（平均年龄61岁±12岁）中发现了148例IBC。其中，26%为最小特征可判，24%为隐匿性，22%为最小特征不可判，17%为漏读错误，6%为真正间隔期癌，5%为技术性漏报错误（P<0.001）。AI对131张乳房钼靶图像（排除17个错误）进行了评分。AI最常检出的是漏报错误（90%），最小特征可判（89%）和最小特征不可判（72%，P=0.02）。AI定位乳腺钼靶可见型癌的准确率（35%~68%）高于不可见型（0~50%，P=0.02）。

（编译 周芸）