哈佛医学院Manisha Bahl博士领导的研究团队，在乳腺筛查领域取得新进展。他们利用Lunit INSIGHT DBT这一人工智能工具，成功在筛查数字乳腺断层成像(DBT)中回溯性检测并正确定位近三分之一的间期乳腺癌，为降低间期癌发病率、改善筛查结果提供了有力证据。

间期癌，即在初次“阴性”乳腺X线摄影后至下次常规筛查前被诊断的癌症，因其生长迅速、侵袭性强，一直是乳腺筛查的难题。Bahl博士团队的研究显示，Lunit INSIGHT DBT能够识别人类阅读者难以察觉的微妙模式和关系，从而在筛查时精准定位间期癌。

研究团队对200多例间期癌症病例进行了回顾性分析，发现AI检测到的间期浸润性癌症在手术时显著较大，且淋巴结阳性率更高。这表明，人工智能优先检测到临床上更晚期的肿瘤，若能更早发现，肿瘤可能更小、更易治疗。

Bahl博士强调：“我们想知道人工智能是否能够检测并正确定位癌症部位，而不仅仅是给出高分。”研究结果显示，人工智能准确定位了84.4%的筛查癌症，展现了其在乳腺筛查中的巨大潜力。

随着AI技术的不断进步，其在乳腺影像学中的价值已远超早期诊断。Bahl博士表示：“人工智能还能使DBT变得更高效、更稳定，支持高量筛查环境中的放射科医生。”