近日发表在《Radiology》杂志上的一项研究显示，由北美放射学会（RSNA）举办的乳腺癌筛查人工智能挑战赛中提交的算法表现优异，显著提升了乳腺癌筛查的灵敏度，同时保持了较低的误召回率，为乳腺癌的早期发现和诊断带来了新的希望。
该挑战赛于2023年举行，吸引了来自全球超过1500支团队的参与，规模之大创下了RSNA历届人工智能挑战赛的纪录。此次比赛旨在寻找能够提升乳腺X线摄影（乳腺钼靶）癌症检测自动化水平的AI模型，帮助放射科医生更高效地完成筛查任务，提升患者护理质量与安全性，同时降低医疗成本和避免不必要的医疗程序。
来自英国诺丁汉大学的癌症筛查教授陈艳（Yan Chen, Ph.D.）带领的研究团队对所有参赛算法进行了全面性能评估。训练数据集由美国佐治亚州埃默里大学和澳大利亚维多利亚乳腺筛查中心提供，共计约11,000张乳腺筛查影像，参赛者也可使用其他公开的训练数据。评测使用了一套独立的测试数据，包括10,830个单侧乳腺检查影像，这些病例均由病理学结果确诊为阳性或阴性。
结果显示，所有算法的中位特异性高达98.7%，即对无癌病例的正确识别率极高；灵敏度为27.6%，即对阳性癌症病例的检出率；误召回率仅为1.7%。更值得关注的是，当将排名前三和排名前十的算法组合（ensemble）使用时，灵敏度分别提升至60.7%和67.8%，表明不同算法之间在癌症检测上具有很强的互补性。
陈教授表示：“不同AI算法在检测癌症时关注的图像特征存在差异，这种互补性使得组合算法能够覆盖更多癌症类型和表现，提高整体的检测效果。”她还指出，组合十款表现最好的算法，其检测性能已经接近欧洲或澳大利亚筛查放射科医师的平均水平。
然而，算法的表现受多种因素影响，包括癌症类型、影像设备厂商及采集影像的临床场所。总体而言，算法对侵袭性癌症的检测灵敏度高于非侵袭性癌症。
由于许多参赛AI模型均为开源，陈教授认为此次挑战赛的成果将促进实验性和商业化乳腺癌AI工具的进一步优化，助力全球乳腺癌筛查水平的提升。她强调：“通过公开算法及综合影像数据集，参赛者为后续研究提供了宝贵资源，也为AI安全有效地融入临床实践奠定了基石。”
接下来，研究团队计划用更大规模、更具多样性的影像数据集，对本次挑战赛表现最优的算法与市场上的商业产品进行对比测试。此外，团队还将探索基于更小、更具挑战性的测试集与强人类读片基准（如英国PERFORMS计划制定的标准）相结合的评估方法，以验证其对AI性能评价的有效性。
值得一提的是，RSNA每年都会举办AI挑战赛，2025年赛事的主题将聚焦于脑动脉瘤的检测与定位，持续推动医学影像人工智能领域的发展与应用。
参考文献：Performance of Algorithms Submitted in the 2023 RSNA Screening Mammography Breast Cancer Detection AI Challenge, Radiology (2025).
编辑：周敏
排版：李丽
评论 (0)