广角断层合成与人工智能在诊断性乳腺摄影中的应用

乳腺癌仍是全球女性中最常被诊断出的癌症，也是癌症相关死亡的主要原因。 及时准确的检测对于改善预后和生存结果至关重要。 虽然数字乳腺X线摄影长期以来一直是筛查的金标准，但它受到重叠组织结构（尤其是致密型乳腺女性）的限制，这可能会掩盖恶性肿瘤或产生假阳性结果。

为应对这些限制，数字乳腺断层合成（DBT），尤其是广角DBT，已发展为提供三维成像并减少组织重叠的技术。 西门子的MAMMOMAT B.brilliant系统结合了广角DBT，增强了空间分辨率并提高了病变显着性。 该技术可能在诊断人群中提供显著益处，因为影像解读的准确性和可信度至关重要。

与此同时，人工智能（AI）工具如Transpara系统已被引入以进一步改善乳腺X线摄影解读。 先前对310名日本女性的样本中评估Transpara发现，虽然人类阅片者在整体诊断性能上优于AI，但该系统显示出有前景的灵敏度水平，凸显了AI作为决策支持工具而非独立阅片者的潜力。

乳腺X线筛查与人工智能（MASAI）试验提供了更稳健的证据，该试验在超过80,000名女性的对照研究中评估了AI支持的筛查阅片。 试验发现，AI支持的阅片与标准双人阅片相比，癌症检出率相当（每1000名参与者中6.1例 vs. 5.1例），但将阅片工作量减少了44.3%，且未增加假阳性或召回率。 同一团队的相关分析强调了AI有效分流检查的能力，并指出AI标记的“超高风险”乳腺X线摄影占所有筛查检出癌症的相当大比例（超过55%），且具有较高的阳性预测值。

尽管这些发现令人鼓舞，但大多数研究仅限于基于筛查的环境。 对于广角DBT和AI在较高风险人群（如症状性患者或筛查召回者）中的实际诊断应用，仍缺乏前瞻性证据。 这代表了一个关键的知识缺口，尤其是考虑到对放射科医生工作负荷和诊断延迟日益增长的担忧。

这项前瞻性观察研究的目的是评估广角断层合成和AI（Transpara）在临床诊断环境中的整合与诊断价值。 具体而言，它旨在评估它们对放射科医生信心、诊断准确性以及补充影像需求的影响。 通过解决这些问题，该研究旨在为未来平衡准确性、效率和临床实用性的实施策略提供参考。