继人工智能辅助乳腺X光筛查(MASAI)试验验证了安全性后，近期发表的GEMINI研究进一步探讨了人工智能融入临床筛查项目的最佳实施方式。该研究在英国一项基于人群的乳腺癌筛查计划中进行，涵盖了10,889次筛查检查，旨在评估不同现实场景下技术的应用表现。

研究团队在保留两名放射科医生标准双阅片的基础上，通过人工智能系统模拟了17种不同的工作流程场景。这些策略包括将人工智能作为独立阅片员、替代一名人类阅片员以及用于低风险检查的分流等。其中，人工智能融入额外阅片流程表现出色：当人工智能建议召回而人类阅片员未建议时，引入额外的人类审查，能够有效识别常规阅片中可能遗漏的乳腺癌病例。

在研究重点评估的综合模型中，人工智能同时承担了“查缺补漏”和“提效减负”的双重角色。首先，它标记出疑似遗漏病例供医生复审;其次，在第一位阅片员与人工智能均判定为阴性时，该检查可直接确认，无需第二位医生介入。数据表明，这种融入模式使乳腺癌检测率每千人增加了约一例(相对增加10.4%)，同时放射科医生的工作量减少了高达31%，且召回率稳中有降。

这项研究的价值在于将讨论核心从技术的准确性扩展到了实际的操作层面。通过科学的流程设计，人工智能不仅能够提升乳腺癌筛查的精准度，还能显著缓解医疗资源的压力。未来，更大规模的临床实践将进一步验证这些工作流程模型在常规诊疗中的长期表现，为全球筛查项目的数字化转型提供重要参考。