AI筛查赢了算法比赛，但还没有赢得患者结局

医疗人工智能最容易被偷换的一个词，是“效果”。一个模型在影像上更敏感、让医生少读一些片子，和患者因此活得更久，并不是同一个命题。

《Nature Medicine》9月7日的一篇评论提出，医疗AI的下一阶段不应只问算法能否匹配临床医生，而应问经过设计的人机系统能否改善患者结局。恰在这个时间点，瑞典MASAI随机试验给出了很容易被写成“AI改善乳腺癌筛查”的结果。

这项试验实际测了什么

MASAI把105,934名女性随机分到AI辅助筛查组或标准双人阅片组。AI并不是独立替代放射科医生：它先对检查进行分流，决定由一名还是两名医生阅片，同时提供病灶检测支持。

研究的主要问题是“间隔癌”——在两轮筛查之间，或上一次筛查后两年内才被诊断、但当时没有被发现的乳腺癌。AI组的间隔癌率为每千人1.55例，对照组为1.76例；比例为0.88，95%置信区间为0.65至1.18。按照预先设定的20%非劣效界值，AI组达到了“不劣于”标准。

其他结果更容易制造“AI赢了”的印象：敏感度为80.5%，标准双读为73.8%；特异度两组都是98.5%。AI组的间隔癌中，侵袭性癌、T2期以上癌和非Luminal A癌的数量也分别较少；同时，阅片工作量下降。

这些是有价值的结果，但它们的含义需要逐项对齐。敏感度回答的是“已存在的癌症有多少被筛出”；特异度回答的是“没有癌症的人有多少没有被误报”；阅片工作量回答的是系统效率。它们都不是死亡率、生活质量或治疗副作用。

这里的关键不是贬低试验，而是承认随机试验的指标边界。MASAI论文报告的是筛查准确性和间隔癌特征。间隔癌率在AI组较低，但置信区间仍跨过1；研究设计的结论是非劣效，而不是已经证明死亡率下降。

筛查发现更多癌症也未必全部转化为净获益。要判断患者是否真正受益，还要知道新增发现中有多少会影响患者一生，多少属于过度诊断；还要观察召回、活检、焦虑和治疗负担，最终最好有长期癌症死亡率或至少更接近患者的重要结局。较高的灵敏度是一个中间结果，不是终点。

调查前，我会把“随机试验”和“患者获益”下意识地连在一起。现在我认为，随机化解决的是比较偏差问题，却不会替研究自动生成终点。MASAI已经有力地支持了三件事：AI辅助筛查没有使间隔癌率劣于标准双读；在这项研究人群和流程中，敏感度更高；系统可以减少阅片负担而不牺牲特异度。

但它还没有单独证明三件更大的事：患者死亡率下降、过度诊断减少，以及这种工作流在不同国家、设备、医生培训和乳腺密度分布下都能复现。把“筛查性能改善”写成“患者结局改善”，中间至少还缺一段随访和一组代价指标。

因此，目前最准确的判断是：在一项大规模随机筛查试验中，AI把人机分工推向了更好的性能和效率；患者是否因此得到更长期的净获益，仍是下一道需要直接测量的问题。