该文章来自NEJM期刊荟萃（NEJMJournalWatch）
CanArtificialIntelligenceImproveScreeningMammographysTrackRecord?
人工智能可否改善乳腺X线筛查的表现
人工智能（AI）在阅读乳腺X线照片方面带来的益处看起来令人惊叹，但仍需要更广泛的测试。即使是放射科专家在解读乳腺X线筛查照片时的准确性也各不相同。AI已经在其他医学影像学应用中显示出一定前景；因此，研究者应用英国和美国的大型临床数据集建立了一个用于识别乳腺癌的“深度学习”模型（在英国和美国女性中，活检证实的乳腺癌分别在首次乳腺X线检查后3年和2年内诊断出来），然后在两个国家分别比较了AI系统与临床放射科医师的表现。英国是每3年进行一次筛查，并且每张影像由两名临床医师进行解读；美国是每2年进行一次筛查，并且每张影像由1名临床医师进行解读。为了证实AI效用的普遍适用性，研究者在美国数据中测试了基于英国数据建立的AI系统。最后，研究者比较了AI系统与一组6名美国放射科医师的表现。与英国和美国放射科医师相比，AI系统分别将假阳性结果减少了1.2%和5.7%，分别将假阴性结果减少了2.7%和9.4%（所有比较的P＜0.）。AI系统的表现显著优于美国6名放射科医师（P=0.）。值得注意的是，有一个癌症病例被AI识别出，但却被全部6名放射科医师漏诊，而另外一个癌症病例则被全部放射科医师识别出，但却被AI漏诊。评论
尽管此项分析中的绝大多数影像是由一家制造商的硬件生成，但这些令人鼓舞的结果提示，AI可能可以识别出需要放射科医师仔细阅读的影像，因而有助于对乳腺X线照片进行分类。然而，20世纪90年代引入的计算机辅助软件尽管最初引起
