如何利用人工智能辅助超声诊断乳腺结节

人工智能辅助超声诊断乳腺结节，是指将深度学习算法嵌入超声工作站，对结节进行自动检出、良恶性风险分层并生成结构化报告，其定位是辅助决策而非替代医师判断。

人工智能在乳腺结节超声中的四个作用环节

1、图像质控与病灶检出：算法可自动识别乳腺超声图像中的可疑低回声区，减少因扫描切面不全或操作者经验差异造成的漏检。对多灶性病变，检出效率高于人工逐帧回看。

2、形态学特征量化：人工智能可测量结节纵横比、边界清晰度、后方回声、内部钙化点数量等参数，将主观描述转为可重复的数值，降低不同医师之间的判读差异。

3、良恶性风险分层：基于多中心训练数据，模型输出恶性概率值，通常与乳腺影像报告和数据系统分类并行使用。风险概率处于中间区间时，提示需结合弹性成像或超声造影进一步评估。

4、结构化报告与随访对比：算法自动生成包含位置、大小、形态、血流信息的报告草稿，并可将本次图像与既往检查配准，提示体积增长率，为随访间隔提供量化依据。

证据与操作流程

中华医学会超声医学分会2023年发布的乳腺超声人工智能应用专家共识指出，人工智能辅助诊断可作为医师判读的参考，最终诊断仍由具备资质的超声医师签发。一项纳入多家医院乳腺超声图像的研究显示，人工智能辅助可将低年资医师的诊断准确率提升约8至12个百分点，该数据来源于2022年国内多中心影像学研究。

实际操作步骤包括：

• 第一步，采集标准切面，确保结节最大径线清晰显示。
• 第二步，启动人工智能分析模块，获取自动测量值与风险概率。
• 第三步，医师复核算法标注区域，排除伪影与正常腺体误判。
• 第四步，结合临床触诊、病史及既往影像，签署最终报告。

适用条件与局限

人工智能辅助超声对乳腺结节的价值受图像质量影响较大。病灶直径小于5毫米、位置贴近胸壁或伴有粗大钙化时，算法准确性下降。乳腺植入物术后、急性乳腺炎期，图像特征改变，模型输出需谨慎解读。病情稳定者可按常规随访流程执行；若算法提示风险升级，需缩短随访间隔或追加其他影像检查。

人工智能辅助超声诊断乳腺结节的核心作用是量化特征、分层风险、减少漏诊，最终诊断权仍归属超声医师。

常见问题

否。人工智能仅提供风险概率和测量数据，最终诊断必须由具备资质的超声医师结合临床信息签发。

对直径小于5毫米的结节准确性下降，因图像分辨率限制，算法易漏判或误判，需医师重点复核。

否。风险分层结果不能替代病理学检查，是否活检由医师依据影像分类和临床指征决定。

是。算法生成的结构化报告仅为草稿，医师需核对标注区域、排除伪影后签署正式报告。

可配准既往与本次图像，计算体积增长率，提示随访间隔调整，但需结合医师对形态变化的综合判断。

参考资料

[1] 中华医学会超声医学分会. 乳腺超声人工智能应用专家共识. 中华超声影像学杂志, 2023.

[2] 国家卫生健康委员会. 乳腺癌诊疗指南（2022年版）. 人民卫生出版社, 2022.

[3] 中国抗癌协会乳腺癌专业委员会. 中国乳腺癌筛查与早诊早治指南. 中国癌症杂志, 2021.

[4] 赫捷, 陈万青. 中国肿瘤登记年报. 人民卫生出版社, 2020.