近年来，基于人工智能（AI）的乳腺造影技术的发展速度加快，许多研究表明，基于人工智能的决策支持对乳腺钼靶筛查的癌症检测和未来的乳腺癌风险预测有很大帮助。

放射科医生对基于人工智能的乳腺造影工具的接受程度取决于多种因素，如放射科医生对人工智能如何影响绩效的看法、现有的工作流程以及成本和报销等。虽然一些乳腺成像师可能对使用基于人工智能的决策支持持开放态度，因为他们有使用传统计算机辅助检测（CAD）的经验，但一些人可能对这种技术持谨慎态度，特别是由于在早期读者研究中看到的CAD的好处最终没有在大型的、基于人群的研究中实现。鉴于这种经验，放射科医生可能对基于人工智能的乳腺造影决策支持的效用、这些工具与图像解读任务的整合以及这些信息应如何影响患者管理有先入为主的观念。

为了更好地了解放射科医生对基于人工智能的乳腺摄影筛查决策支持的态度和偏好，发表在J AM COLL RADIOL杂志的一项研究量化了基于人工智能的癌症检测和风险预测工具的不同属性影响放射科医生在乳腺钼靶筛查解释期间使用人工智能的意图。

通过对放射科医生的定性访谈，研究确定了基于人工智能的乳腺癌检测的五个主要属性和乳腺癌风险预测的四个属性。根据这些属性开发了一个离散选择实验，并邀请了150名美国的放射科医生参加。每位受访者在三种选择中对每种工具进行了八次选择：两种假设的基于人工智能的工具与没有人工智能的筛选。研究使用随机参数Logit模型分析了整个样本的偏好，并用潜在类模型确定了亚群。 

受访者（n = 66；回复率44%）来自八个州的六个不同的实践环境。当灵敏度和特异性平衡时（94%的灵敏度，<25%的检查被标记），并且AI标记出现在放射科医生完成独立审查后的悬挂协议的末尾时，放射科医生对AI检测癌症更感兴趣。对于基于人工智能的风险预测，放射科医生更倾向于使用乳腺摄影图像和临床数据的人工智能模型。总的来说，46%到60%的人打算采用研究中提出的任何一种人工智能工具；26%到33%的人热情地接近人工智能，但如果功能与他们的偏好不一致，他们就会放弃。 

 表 在估计基于人工智能(AI)的检测和风险预测的偏好的实验中，预测属于每个潜在类别的放射科医生的数量

研究数据显示，尽管大多数放射科医生希望使用基于人工智能的决策支持，但通过实施满足可劝阻用户偏好的工具可以最大限度地提高短期吸收率。

原始出处：

Nathaniel Hendrix,Kathryn P Lowry,Joann G Elmore,et al.Radiologist Preferences for Artificial Intelligence-Based Decision Support During Screening Mammography Interpretation.DOI:10.1016/j.jacr.2022.06.019