论文信息

01 临床问题：

现实问题：筛查系统缺人，AI看起来很诱人。欧洲多数乳腺筛查项目采用“双人独立阅片”，阅片量是沉重负担，而乳腺放射科医生长期短缺。既往回顾性研究显示，AI能提高检出率、减少阅片量；2023年MASAI的安全性分析也证实AI组读片量下降44.3%。但一个问题始终悬着：检出更多，是真的发现了更多有临床意义的癌，还是把不会致死的惰性病变也检了出来？

 02  研究设计：

AI在流程中的位置：分诊+检测支持，而不是替代医生。干预组使用Transpara（1.7.0版）为每张检查给出1–10级恶性风险评分：评分1–9分流至单人阅片，评分10分流至双人阅片；医生在阅片时始终能看到AI评分，高分组还会看到AI标出的可疑病灶。也就是说，AI决定了“谁需要第二位医生看”，但没有代替任何一位医生做召回决定。

图1｜MASAI研究设计与AI介入方式：AI按风险评分将检查分流至单人/双人阅片并提供检测支持，对照组为标准双读；下方为主要终点与次要终点的核心数值（据原文设计与公开摘要信息绘制）。

研究设计：随机、对照、非劣效、单盲、人群为基础。2021年4月12日至2022年12月7日，瑞典南部4个筛查点的105 934名受邀女性按1:1随机分配（干预组53 043例、对照组52 872例，分析时排除19例）；受检者与技师对分组不知情，阅片医生知晓（因为要看AI结果）。两组中位年龄分别为53.8岁与53.7岁。主要终点间期癌发生率的非劣效界值设为20%，即只要AI组的比例比不超过1.20，就认为没有实质性变差。

次级终点与分层。报告了间期癌的病理特征（浸润性、T2+期、非Luminal A型）、筛查敏感性、特异性，以及按年龄、乳腺密度、癌症类型（原位/浸润性）分层的敏感性。敏感性按“筛查检出癌÷（筛查检出癌+间期癌）”计算，因此间期癌数据是敏感性估计的直接来源——这也是本文把两者放在一起报告的原因。

03 研究设计

样本量与人群特征需与瑞典筛查体系一并理解：瑞典40–74岁女性每1.5–2年受邀筛查，基线召回率本就较低，这为比较提供了相对“干净”的背景，但也意味着结论向高召回率体系（如部分美国项目）外推时需要谨慎。

本文是MASAI主要终点的方案规定分析，与既往两次报告构成完整证据链：2023年发表于Lancet Oncology的安全性分析（前80 033例）确认AI组安全、读片量降44.3%；2025年发表于Lancet Digital Health的全队列筛查表现分析显示检出率6.4‰ vs 5.0‰（比例比1.29，p=0.0021），额外检出的以小型、淋巴结阴性浸润癌为主；本文则回答“这些多检出的癌，是否减少了日后漏出的癌”。三项分析同一人群、同一试验，属于同一研究的连续报告，不是三次独立重复。

表1｜MASAI三次报告的递进关系，据各文摘要与公开评述整理；三项分析为同一试验的连续报告。

04 主要结果

主要终点：间期癌达到非劣效

干预组间期癌发生率1.55‰（95%CI 1.23–1.92，82例），对照组1.76‰（1.42–2.15，93例），比例比0.88（95%CI 0.65–1.18；p=0.41），落在20%的非劣效界值之内。从描述性数值看，AI组间期癌更少，但置信区间跨过1（从相对下降35%到相对增加18%），因此只能宣称“未劣于”，不能宣称“优于”标准双读。这是解读本文时最容易越界的地方。

间期癌的“质量”也偏向AI组：浸润性75例 vs 89例，T2+期38例 vs 48例，非Luminal A型（更具侵袭性亚型）43例 vs 59例。这些是描述性计数，为“AI多检出的是真癌而非惰性病变”提供了方向性支持，但样本量在数十例级别，不宜当作确证的亚组效应。

次要终点：敏感性升高，特异性持平

筛查敏感性AI组80.5%（95%CI 76.4–84.2），对照组73.8%（68.9–78.3；p=0.031）；这一优势在不同年龄、不同乳腺密度亚组中方向一致，且在浸润性癌中成立、在原位癌中未观察到。特异性两组均为98.5%（98.4–98.6；p=0.88）——也就是说，AI组没有用“多召回”换取敏感性，假阳性并未增加。

图2｜MASAI三项核心指标对比：癌症检出率（左，2025年全队列报告）、间期癌发生率（中，本文主要终点）、筛查敏感性（右，本文次要终点）；绿色为AI辅助组，橙色为标准双读组（据原文与既往报告数值绘制）。

表2｜MASAI主要与次要疗效终点，据原文摘要整理。括号内为95%CI。

效率：读片量下降约44%

全队列分析中，AI组共61 248次读片、对照组109 692次，工作负荷下降约44%。这来自分诊机制把大部分低风险检查交给单人阅片，而不是删除人工环节。需要注意，这一数字只覆盖“读片”这一项劳动，不能直接换算为人力或总成本下降44%——释放出的时间流向（加快报告、扩大筛查覆盖、处理复杂评估）才是真正决定价值的环节。

05 学习借鉴

设计上，学到“选一个骗不了人的终点”。若你的AI研究关注“是否真的让患者获益”，就要避开可被策略操纵的替代指标。间期癌之于筛查，类似于“远期复发”之于辅助治疗：它不能被短 期的检出量或召回率所粉饰。设计课题时，先问一句“这个终点能否被简单地通过多做事来刷高”。

方法上，学到“把AI嵌进流程，而不是当独立评分器”。MASAI的干预是“分诊+检测支持”的组合包：AI决定谁需要二读，同时用评分和标记影响医生的判读阈值。这一“有益偏置”很可能是检出率上升而假阳性未升的原因，但也意味着各部分贡献无法拆分。复现时应说明AI在流程中的确切角色，并在消融或对照中尝试拆解。

统计上，学到“非劣效≠优效”。数值上间期癌少了12%，很容易被写成“AI减少漏诊”，但预设立场是非劣效，置信区间跨1。写报告、写摘要时应严格区分“未劣于”与“优于”，避免把方向性差异当作结论。

表达上，学到“把局限性写进解读”。单一国家、单一AI产品与版本、四年四中心、多数受试者仅参与一轮筛查、未评估死亡率与成本效果——这些限制在讨论中坦率列出，反而增强了结果的可信度。

06 专科迁移

以下为基于本文思路的迁移建议，并非原文已完成的工作。核心可迁移的是“流程型AI+不可操纵终点+非劣效设计”这一组合，而非具体数值。

表3｜“流程型AI+结局终点”评估范式的专科迁移建议，应根据具体筛查体系选择。

原文与复现入口

[1]Gommers J, Hernström V, Josefsson V, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial[J]. The Lancet, 2026, 407(10527): 505-514.

原文链接：https://doi.org/10.1016/S0140-6736(25)02464-X

说明：本报告基于The Lancet官网公开摘要、图文信息及该试验既往两篇报告撰写；图1、图2为依据原文公开数值绘制的示意图，非原文原图。正文中的亚组交互检验、敏感性分析等细节未在公开摘要页完整展示，引用具体数值请以原文为准。

参与瓴智医工协作：

希望发挥专业能力、参与项目协作，可通过「医工中心—入驻申请」提交专业背景与合作意向。

有科研问题、需要技术支持，可通过「业务合作—发布需求」描述研究目标与现有基础。  

提交后由团队联系沟通。入驻申请不代表审核通过或保证获得项目。

编辑：陈安宁

审核：吴朝

Nature Medicine（一区 IF=52.5）PRISM2：具备临床对话能力的端到端多模态病理全切片基础模型

Nature Medicine（一区 IF=52.5）对MASLD中脂肪性肝炎和纤维化相关影像及血清诊断生物标志物的前瞻性验证：LITMUS影像研究

Nature（一区 IF=56.1）Merlin：面向 CT 的 3D 视觉‑语言基础模型及配套数据集

JACC（一区 IF=22.3）基于人工智能无造影心脏磁共振 VNE 技术评估心肌瘢痕：一项前瞻性多中心研究