杨真露，李嫣，詹晨奥，胡益祺，霍敏，陈成洋，唐彩丽，覃艳金，艾涛，夏黎明

乳腺X线检查

1.数字乳腺X线摄影(Digital Mammograms，DM)

数字乳腺X线摄影是目前乳腺癌筛查的主要工具，繁重的工作量和腺体重叠带来的漏诊是影像医生面临的主要问题。今年RSNA关于数字乳腺X线摄影的研究仍聚焦于人工智能(artificial intelligence，AI)，通过大量多中心图像数据进行模型建立是一大亮点，这些人工智能模型旨在减轻影像医生工作量并提高筛查效能。

数字乳腺X线摄影筛查通常需要双重阅片，这是一种劳动密集型的方法。Sharma等使用AI算法代替第二个阅片者可以使81.9%的女性获得明确诊断，只有18.1%的病例需要额外的阅片者再次阅读，从而提供了一种可行的解决方案来应对乳腺X线摄影阅片中的劳动力危机。Ananthasivan等发现无论医生经验如何，AI/机器学习(ML)辅助报告系统都能减少放射科医生报告周转时间，提高其工作效率。而Strand等发现将AI算法与放射科医生联合阅片时，虽然可以检出更多癌症，但异常评估却成比例增加，未来研究要集中解决AI联合医生双重阅片时导致的异常评估增加。另一个减少工作量的策略是建立分诊模型，Rodriguez-Ruiz 等利用AI系统(Transpara version 1.6.0，ScreenPoint Medical)对筛查性乳腺X线摄影进行分诊筛选，低于AI评分阈值的病例只需要单次阅片，而高于阈值的需要双重阅片，这与传统的双重阅片相比，癌症检出率保持不变，而召回率降低且阳性预测值提高，从而可以减少工作量并提高筛查性能。Lamb等也训练了一种深度学习模型用于分诊乳腺筛查X线摄影，该模型可以显著减少工作量，通过调整假阴性率阈值，可以减少假阴性或假阳性结果，达到预期结果。……