当前位置：主页 > 外科诊疗 > 文章内容

人工智能辅助乳腺结节超声管理专家共识

作者：中华医学网发布时间：2026-09-27 19:51浏览：次

《人工智能辅助乳腺结节超声管理专家共识》要点摘读

来源：海军军医大学学报，2026；中华医学会超声医学分会血管和浅表器官学组等制定；定位：AI 是医师的辅助决策工具，不能替代超声医师，不能替代病理金标准；输出 AI 评分仅供参考，最终 BI‑RADS 分类由医师综合判定《海军军医...。

一、核心定位

AI‑CAD（计算机辅助检测 / 诊断）作用：辅助检出病灶、提取超声征象、输出恶性风险评分，作为 “第二意见”，减少不同医师间判读差异，尤其提升中低年资医师判读一致性，减轻筛查工作量。
不能独立出具诊断报告；不能直接作为穿刺、手术唯一依据；最终 BI‑RADS 分类、临床处置必须由执业超声医师结合病史、查体、其他影像综合判断。
适用人群：中国女性，尤其乳腺致密型乳腺人群（亚洲女性多见）超声筛查与诊断场景PMC。

二、主要临床应用场景

1. 乳腺筛查场景

1）手持超声实时 AI 辅助：辅助识别结节、提取恶性征象（形态、边界、纵横比、微钙化、后方回声），输出恶性概率评分。 2）自动乳腺全容积超声（ABUS）：AI 辅助阅片，减少海量图像漏检，缩短阅片时间。

共识强度 A：AI 辅助筛查可降低操作者差异带来漏诊误诊，提升一致性。

2. 诊断场景（已有可触及肿块 / 其他影像发现结节）

1）结节良恶性风险分层，辅助医师校准 BI‑RADS 分级；对 BI‑RADS3‑4 类交界结节，AI 可提供参考，减少不必要穿刺。 2）辅助评估腋窝淋巴结超声图像，预判转移风险（尚不完全成熟，仅辅助）。 3）肿瘤患者：辅助评估新辅助化疗前后病灶变化，疗效评估（研究阶段，不作为单独疗效判定）《海军军医...。

3. 不推荐场景

1）AI 结果直接代替医师出具报告； 2）仅依靠 AI 评分决定穿刺、手术； 3）图像质量差、切面不全时强行 AI 分析。

三、AI 辅助下 BI‑RADS 分类工作流程

获取合格标准超声图像（灰阶，必要时多普勒）；图像质量不合格，不运行 AI。
AI 输出：病灶检出、恶性风险评分；AI 评分不直接等同于 BI‑RADS 类别。
医师结合：超声直接征象、患者年龄、家族史、钼靶 / MRI 结果，给出最终 BI‑RADS 分类。
报告书写：可记录 AI 风险评分，但临床处置建议由医师给出。

典型情况：AI 提示高风险，但图像、临床更倾向良性，以医师综合判断；AI 提示低风险，但存在可疑恶性征象，仍按可疑结节处理，不可因 AI 低分直接归为良性。

四、适应证与局限性

适用

乳腺超声筛查，致密乳腺；
乳腺结节良恶性鉴别，BI‑RADS2‑4 类的风险再评估；
培训、教学，帮助低年资医师学习恶性征象识别。

主要局限性（共识重点强调）

AI 高度依赖图像质量：切面不全、压缩不当、噪声大，结果明显偏差。
对特殊类型病变易误判：导管内微小病变、微小钙化、炎症、肉芽肿性乳腺炎、术后瘢痕、复杂囊性病变，AI 可出现假阳性 / 假阴性。
对罕见亚型乳腺癌识别不足；训练数据集偏向常见病理类型。
AI 只看图像，不整合年龄、家族史、肿瘤标志物、其他影像信息，所以不能单独做临床决策PMC。

五、报告与质控要求

AI 辅助系统需要经过临床验证，不使用未经过国内临床验证的模型。
报告中可记录 “AI 辅助分析，恶性风险 XX 分，仅供参考”；禁止直接写 “AI 考虑 BI‑RADS 4A” 等，最终分类归医师。
机构要定期质控：回顾 AI 与病理对照，统计假阳性假阴性，持续评估 AI 本地性能。

六、不同 BI‑RADS 结节结合 AI 结果的管理原则

BI‑RADS2（良性）：AI 无论评分高低，以医师判断，常规随访。
BI‑RADS3（可能良性，恶性＜2%）：AI 高风险，建议医师复核图像，必要时缩短随访间期，不直接升级穿刺；AI 低风险支持 3 类，按 6 个月随访。
BI‑RADS4A‑4C（可疑恶性）：即使 AI 提示低风险，不能取消穿刺；AI 高分支持积极活检；AI 低分仅作为参考，不能否定穿刺指征。
BI‑RADS5（高度恶性）：直接建议活检，AI 结果仅参考。