AI如何改变乳腺癌筛查——减少“漏诊”新时代的开始

乳腺癌是目前全球诊断最多的女性癌症之一。根据WHO的数据，2022年全球约有230万人被诊断为乳腺癌，约67万人因此去世。而且约有一半的患者除了性别和年龄外，没有明确的危险因素。也就是说，即使没有家族病史或生活习惯没有大问题的人，也可能罹患这种疾病。因此，提高早期发现的准确性仍然是各国医疗领域面临的重要课题。

针对这一课题，AI正在从“寻找异常的工具”进化为“预测未来风险的工具”。此次备受关注的是在澳大利亚开发的乳腺癌筛查AI“BRAIx”。根据公开报道和研究机构的发布，这款AI基于乳腺X光片计算出0到99.9的风险评分，预测女性在未来四年内患乳腺癌的可能性。研究显示，在高风险前2%的女性中，约有一成在筛查时被认为“无异常”，但在随后的四年内被诊断为乳腺癌。而且这一预测显示出比年龄、家族史、乳腺密度等传统指标更高的性能。

这里重要的是，AI不仅仅是发现“疑似肿瘤的阴影”。传统的影像解读是判断当前图像中是否存在明确的异常。然而，BRAIx试图在图像中找到人眼无法捕捉的细微模式，并评估“未来可能出现癌症的可能性”。研究团队解释说，通过AI在像素级别处理信息，即使在像高密度乳房这样难以区分的情况下也能发挥有效性。由于乳腺高密度会使乳腺组织和肿瘤都显得白色，因此传统的乳腺X光片容易导致漏诊。AI正试图在此引入新的辅助线。

这一趋势并非孤立的。在德国的大规模实施研究中，AI辅助的双重读片与传统双重读片相比，提高了17.6%的乳腺癌检出率，并未恶化复查召回率。另有报道指出，AI的应用减少了后来发现的“间隔癌”的比例。也就是说，AI不再是理论上的未来技术，而是已经进入“可能改善筛查精度的实用工具”的评估阶段。

另一方面，AI受到关注的背景还在于筛查体制本身的局限性。在澳大利亚，BreastScreen Australia多年来为降低乳腺癌死亡率做出了贡献，但参与率仍然不够高。此外，作为制度，基本上是以“统一的间隔”对一定年龄层进行筛查，尚未普及根据个人未来风险灵活调整筛查频率的机制。研究团队和相关专家强调，使用AI可以实现“高风险人群更密集”“低风险人群负担更少”的个性化筛查。

这种“个性化”不仅仅是为了方便患者。如果能减少高风险者的漏诊，就能更早开始治疗。相反，如果低风险者不需要进行不必要的额外检查，就能减少心理负担和医疗成本。AI研究的真正价值不在于取代医生，而在于可视化有限医疗资源的优先分配。随着老龄化导致影像诊断需求增加，放射科医生的负担在各国都在加重，AI被期待为“不是填补人手不足的魔法”，而是“集中专家判断于更重要领域的辅助装置”。

实际上，公开的社交媒体上也充满了欢迎的氛围。在LinkedIn上，涉及癌症研究和医疗创新的组织和研究人员的帖子中，接连出现“重要的工作”“巨大的进步”“希望在医疗现场实施”等积极评论。在VCCC Alliance的帖子中，多条评论称赞了研究，相关研究人员和医疗从业者也反应称这是“具有重大影响的成果”。在AIML相关的帖子中，“AI不是取代医生，而是作为第二只眼睛发挥作用”的说法尤为突出。从社交媒体上的热度来看，这个主题不仅仅是技术新闻，而是被视为与医疗现场的迫切课题相关的话题。

然而，反应并非全是赞美。在专家评论和相关报道中，“虽然有前景，但要纳入日常诊疗还需进一步验证”的谨慎态度始终如一。在西班牙的Science Media Centre介绍的专家观点中，尽管这项研究规模大且方法论强，但与BRCA突变携带者的比较应被视为“限于四年期间的风险”，不应与终身风险等同。另有报道指出，将单一设施或特定群体的成果直接普遍化需要谨慎。即使AI精度高，也不一定在所有地区、所有种族、所有制度中同样有效。

此外，不能忘记的是，AI并不是“承担诊断最终责任”的存在。ABC的报道中，研究方明确表示需要人类放射科医生的最终监督。实际上，患者的身体状况、既往病史、触诊所见、患者的担忧、追加检查的判断、治疗的连接等背景，单靠图像无法完成。最近也有警告过度依赖AI进行医疗咨询的声音，对于乳腺癌这种延误可能致命的疾病，使用AI来补强自我判断尤其需要谨慎。AI虽聪明，但看病的仍然是人。这一显而易见的原则即使技术进步也不会改变。

尽管如此，此次研究所展示的意义重大。乳腺癌筛查长期以来一直是“达到一定年龄后，以一定间隔进行”的设计和运作。然而，未来可能会主流化“即使同为50多岁，真的适合相同频率吗”“如果40多岁就高风险，是否应该更早介入”的思维。研究团队计划未来不仅基于年龄标准，还构想根据个人风险进行筛查体制的构建。如果实施得以推进，乳腺癌筛查可能会从“以年龄划线的机制”转变为“根据图像和数据为每个人量身定制的机制”。

在乳腺癌医疗中，真正可怕的不仅仅是可见的异常本身。在筛查中被告知“没问题”后却进展的那段空白时间。AI试图改变的正是这一空白。即使难以做到零漏诊，但能更早知晓接近漏诊的风险，能更快采取下一步措施。从这个意义上说，AI作为“减少延误的预测装置”，而非“发现癌症的机器”，可能终于开始展现其真正的作用。

出典URL

https://www.theage.com.au/lifestyle/health-and-wellness/artificial-intelligence-revolutionising-breast-cancer-research-20260307-p5o8cx.html

・同内容を扱う関連報道（BRAIxの概要、4年以内リスク予測、上位2%の結果、研究者コメント）
https://www.abc.net.au/news/2026-03-04/artificial-intelligence-breast-cancer-risk-mammogram/106411246

・学術誌のオンライン先行掲載情報（論文タイトル、掲載日、研究の正式な位置づけ）
https://www.thelancet.com/journals/landig/onlinefirst

・研究機関による発表（BRAIxの開発背景、約40万人学習・約9.6万人検証・スウェーデン外部確認、個別化検診の構想）
https://www.svi.edu.au/news-events/ai-based-tool-estimates-breast-cancer-risk-within-next-four-years/

・メディア向け科学情報まとめ（研究の要点、9.7%という上位2%の4年リスク、 routine care前に追加研究が必要との整理）
https://www.scimex.org/newsfeed/ai-could-help-preduct-your-risk-of-breast-cancer-in-the-next-4-years

・WHOの乳がんファクトシート（世界の患者数・死亡数、リスク因子、早期発見の重要性）
https://www.who.int/news-room/fact-sheets/detail/breast-cancer

・ドイツの大規模実装研究（AI支援読影で検出率が上がり、呼び戻し率を悪化させなかった事例）
https://www.nature.com/articles/s41591-024-03408-6

・AI導入への慎重論を補う報道（AI支援で後発見が減る可能性がある一方、さらなる検証が必要との論点）
https://www.theguardian.com/science/2026/jan/29/ai-use-in-breast-cancer-screening-cuts-rate-of-later-diagnosis-by-12-study-finds

・オーストラリアの検診制度の基礎情報（BreastScreen Australiaの説明、対象年齢帯の考え方）
https://www.aihw.gov.au/reports/cancer-screening/breastscreen-australia-monitoring-report-2025/contents/breast-cancer/breast-cancer-screening

・公開SNS反応の確認元1（VCCC AllianceのLinkedIn投稿とコメント）
https://www.linkedin.com/posts/vcccalliance_an-artificial-intelligence-tool-to-predict-activity-7435097386366054400-xWmT

・公開SNS反応の確認元2（AIML/関連投稿。AIを“第二の目”として捉える文脈）
https://www.linkedin.com/posts/jonathangovette_sweden-just-proved-ai-can-catch-29-more-activity-7426652456484397056-ceWM

・公開SNS反応の確認元3（研究紹介のLinkedIn投稿）
https://www.linkedin.com/posts/professor-gerald-lip-633a5556_ai-based-braix-risk-score-for-the-intermediate-term-activity-7435008570406117376-ypfK