摘要
背景：人工智能在乳腺X光检查中越来越被用作决策辅助工具，但它对放射科实习生解读行为的影响仍需进一步研究。本研究旨在评估人工智能辅助对放射科实习生BI-RADS分类及诊断信度的影响。方法：这项回顾性、单中心、多阅片者配对研究共分析了112例乳腺X光检查病例，涉及223侧可评估的乳房，以及2230次由实习生进行的乳房影像解读。10名放射科实习生首先在没有人工智能辅助的情况下解读2D乳腺X光图像和数字乳腺断层扫描图像，之后在参考人工智能的解读结果后再次进行解读。研究分析了BI-RADS分类的变化、诊断信度的变化、修改原因以及与专家共识BI-RADS标准的吻合程度。结果：在24.3%的案例中，人工智能辅助的重新评估改变了BI-RADS分类，19.2%的案例中改变了诊断信度；其中，人工智能提示需要调整的情况比无需调整的情况更多，尤其是对于中度和高度可疑的影像结果。诊断信度上升的频率高于下降的频率。与专家标准的吻合程度有所提升，BI-RADS 4+级别的检测灵敏度从72.0%上升至82.3%，阴性结果的吻合度保持稳定。不过这些指标反映的是与专家BI-RADS共识的吻合程度，而非经病理学确认的癌症检测率。结论：人工智能辅助影响了放射科实习生的BI-RADS重新分类及诊断信度，带来了虽幅度不大但趋势积极的改变。这些研究结果支持在乳腺影像培训中谨慎、有监督地引入人工智能技术，同时需要注意调整诊断信度的问题，避免过度依赖人工智能。
