德国海德堡大学医院Cai等报告的INSPiRED 006分析显示，人工智能辅助评分联合剪切波弹性成像（AI-SWE），在恶性肿瘤检测方面的准确率与人类专家相当，同时还能显著减少假阳性影像结果（如不必要的活检）。未来的研究应探索将其整合到多模态乳腺癌诊断中。（J Clin Oncol. 2025年8月20日在线版）

剪切波弹性成像（SWE）已被研究作为B超的补充方法进行乳腺癌诊断。尽管多中心试验表明，对于乳腺影像报告和数据系统（BI-RADS）4（a）级的乳腺肿块患者，该技术具有一定的益处，但由于缺乏有效的速度阈值（velocity threshold），其广泛应用仍受到限制。本研究旨在利用SWE图像开发并验证一个深度学习模型（AI-SWE），用于诊断BI-RADS 3级和4级乳腺肿块，并将其性能与B超专家进行比较。

该分析采用了一项国际多中心试验的数据，该试验旨在评估SWE技术在患有BI-RADS 3或4级乳腺肿块的女性患者中的应用情况，试验在7个国家的12家医疗机构中进行。来自11个中心的图像被用于开发一个基于EfficientNetB1的深度学习模型。第12个中心的数据被用于外部验证。另一个机构队列的最新SWE软件被用于另一项验证。性能指标包括敏感性、特异性、假阳性率降低值以及受试者操作特征曲线下面积（AUROC）。

该研究的开发集共纳入了924例患者（共4026张图像），外部验证集则包括了194例患者（562张图像）以及176例患者（188张图像，使用最新的SWE软件）。在两个外部验证集中，AI-SWE的AUROC分别为0.94（95%CI 0.91~0.96）和0.93（95%CI 0.88~0.98）。与B超相比，AI-SWE显著降低了62.1%（20.4% vs. 53.8%，P<0.001）和38.1%（33.3% vs. 53.8%，P<0.001）的假阳性率，且敏感性相当（97.9% vs. 98.1%，P=0.912；97.8% vs. 98.1%，P=0.810）。 （编译 宋安）