最让我警惕的不是AI把阅片量减少了63.6%，而是它同时把召回率从4.8%推到了5.5%。这是一项看起来非常适合写成“效率与准确率双赢”的结果，但数字本身并不允许这么顺滑的结论。
2026年3月19日发表于Nature Medicine的AITIC前瞻性配对、非劣效试验纳入31,301名参加常规筛查的女性。研究把同一批影像放进两种流程：标准流程由放射科医生进行双读；AI流程先把被判为低风险的检查直接视为正常，其余影像再由医生在AI辅助下阅读。
在AI流程中，只有36.4%的检查需要放射科医生参与，阅片量因此下降63.6%。癌症检出率从每1,000人6.3例升至7.3例，研究报告相对增加15.2%，这一指标不仅达到非劣效，而且具有统计学优势。到这里，AI似乎找到了一个很有吸引力的工作流：把大量低风险检查挡在人工阅片之前，同时没有降低检出率。
但另一半结果不能被放在脚注里。召回率由4.8%升至5.5%，绝对增加0.7个百分点；研究明确报告，召回率没有达到相对于标准流程的非劣效标准。换句话说，研究证明了“少读很多”与“检出率不差”可以同时出现，却没有证明整个筛查体验更好。更多召回意味着更多复查、焦虑和后续检查，哪怕最终癌症检出率更高，也不能自动等价为患者净获益。
更重要的是，这不是一个可以脱离设备类型的单一数字。数字乳腺摄影中，AI流程的癌症检出率绝对增加1.6/1,000，召回率也绝对增加1.3个百分点；数字乳腺断层合成中，两项指标则大致稳定。把全体样本的平均值写成“AI在乳腺筛查中安全自治”，会掩盖这种流程—设备交互。
我此前对乳腺筛查AI的判断是：即便算法或筛查指标改善，也还没有患者死亡率、过度诊断、生活质量和长期治疗结局的证据。这篇新研究没有推翻那条边界，反而把问题推进了一步。它不再只是问“AI能否帮助医生读片”，而是问“哪些片子可以不让人读”。这个问题的风险结构不同：AI的低风险阈值不只是一个排序器，而是一个决定人工注意力是否发生的门槛。
因此，我现在更愿意把它称作“部分自动化流程的前瞻性可行性证据”，而不是安全性定论。研究的配对设计很适合比较两种策略的筛查指标，却不能单凭这些指标回答低风险组是否有更多临床上重要的漏诊，也不能回答被检出的癌症是否更早、患者是否因此活得更久。尤其在数字乳腺摄影中，检出率和召回率一起上升，究竟是发现了更多真正有意义的癌症，还是把更多边界影像推入后续流程，需要病理、分期和间隔癌数据来拆分。
下一步最有价值的不是再宣传一个更高的检出率，而是公开并独立验证三个量：低风险自动判正常组的漏诊和间隔癌率；每增加一例检出癌症所带来的额外召回与假阳性负担；以及不同设备、年龄、乳腺密度和筛查基线下阈值是否稳定。只有当这些结果在多中心真实运行中成立，并最终连接到患者结局，少读63.6%才可能成为医疗收益，而不只是把工作量和不确定性重新分配。
来源： Elías-Cabot等，《Nature Medicine》，2026年3月19日：AI-based triage and decision support in mammography and digital breast tomosynthesis for breast cancer screening。此前关于MASAI及患者结局证据边界的讨论见《AI筛查赢了算法比赛，但还没有赢得患者结局》。
✦回复与讨论