人工智能辅助乳腺肿瘤筛查知情同意书.docxVIP

人工智能辅助乳腺肿瘤筛查知情同意书

您即将接受的乳腺肿瘤筛查将采用人工智能（AI）辅助技术。为保障您的知情权利，请仔细阅读以下内容，如有任何疑问，可随时向医护人员提出，我们将为您详细解答。

一、检查目的与意义

乳腺肿瘤是女性最常见的恶性肿瘤之一，早期发现、早期诊断、早期治疗可显著提高患者生存率及生活质量。常规乳腺筛查手段（如乳腺超声、钼靶X线、MRI等）虽已广泛应用，但受限于阅片医师经验差异、病灶微小或位置隐蔽等因素，存在一定漏诊或误诊风险。

本机构引入的人工智能辅助诊断系统（以下简称“AI系统”）通过对海量乳腺影像数据的深度学习训练，可对乳腺影像中的病灶特征（如形态、边界、血流信号、钙化分布等）进行自动化分析，辅助医师更精准地识别可疑病变，缩短报告时间，降低因人为疏漏导致的误判概率。本次筛查的核心目的是：通过AI技术与医师经验的结合，提高乳腺肿瘤尤其是早期微小病灶的检出率，为您的乳腺健康提供更科学的评估依据。

二、检查方法与AI技术的具体应用

本次筛查将根据您的年龄、乳腺密度、既往病史等因素，选择以下一种或多种检查方式（具体以医师评估为准）：

（一）检查方式说明

1.乳腺超声检查：通过高频超声探头扫描乳腺组织，生成实时影像，观察腺体结构、血流情况及占位性病变。适用于各年龄段，尤其对致密型乳腺（钼靶显示效果较差）的病灶检出更敏感。

2.乳腺钼靶X线检查：利用低剂量X线拍摄乳腺投影图像，重点显示腺体中的钙化灶（早期乳腺癌的典型特征之一），适用于40岁以上女性或超声检查发现可疑钙化的补充评估。

3.乳腺MRI检查：通过磁共振成像技术提供高分辨率的软组织对比度，适用于超声、钼靶检查结果不明确，或有乳腺癌高风险因素（如BRCA基因突变、家族史）的进一步精准评估。

（二）AI系统的参与流程

无论选择何种检查方式，AI系统将在以下环节提供辅助：

-影像预处理：检查设备采集的原始影像数据将自动传输至AI系统，系统通过图像增强算法优化对比度、去除噪声，提升病灶与周围组织的区分度。

-病灶自动识别：系统基于训练模型，对影像中的可疑区域（如直径≤5mm的小结节、成簇微小钙化、结构扭曲区等）进行标注，标记内容包括位置、大小、形态学特征（如分叶、毛刺）及血流参数（若为超声）。

-风险评估与分类建议：系统根据识别到的病灶特征，结合临床流行病学数据，生成BI-RADS（乳腺影像报告和数据系统）分类建议（1-6类，类别越高提示恶性可能性越大），并输出包含关键影像特征的分析报告。

-医师复核与最终诊断：超声科/放射科医师将结合AI分析报告、您的临床病史（如月经史、生育史、家族史）及触诊结果，进行综合判断，形成最终筛查报告。

三、AI技术的优势与局限性

（一）主要优势

1.提高检出效率：AI系统可在数秒内完成全图扫描，避免医师因视觉疲劳或注意力分散导致的遗漏，尤其对微小病灶（如直径10mm的结节）的检出敏感性较传统人工阅片提升约15%-20%（依据本机构内部验证数据）。

2.减少主观差异：AI系统基于统一的算法标准分析影像，可降低不同年资医师因经验差异导致的判断偏差，提升筛查结果的一致性。

3.提供量化依据：系统不仅能标注病灶，还可输出量化指标（如钙化点数量、结节纵横比、血流阻力指数等），为医师提供更客观的决策参考。

（二）潜在局限性

1.无法替代医师诊断：AI系统的分析结果为“辅助建议”，最终诊断需由具备资质的医师结合临床信息综合判断。系统可能因影像质量不佳（如运动伪影、设备分辨率限制）或病灶特征不典型（如炎性包块与恶性肿瘤的影像重叠）出现误判。

2.存在假阳性风险：系统可能将部分良性病变（如纤维腺瘤、乳腺增生结节）误判为可疑恶性（即假阳性），导致您需要接受进一步检查（如穿刺活检、短期复查），可能造成一定的心理压力及经济负担。

3.存在假阴性风险：极少数情况下，系统可能遗漏某些特殊类型的病灶（如导管原位癌早期、隐匿性乳腺癌），但医师会通过人工复阅影像、结合其他检查（如肿瘤标志物检测）降低此类风险。

四、检查相关风险与获益

（一）获益

-早期发现乳腺肿瘤：通过AI辅助提高微小病灶检出率，若筛查发现恶性病变，可尽早启动治疗（如手术、化疗），5年生存率较晚期病例可提升30%-50%（依据《中国乳腺癌诊疗指南（2023版）》）。

-减少不必要的有创检查：AI系统的精准分析可帮助医师更准确地判断是否需要活检，避免因过度怀疑而进行不必要的穿刺。

-缩短报告等待时间：系统自动生成的分析报告可辅助医师快速完成诊断，通常您可在检查后24小时内获取最终报告（特殊情况除外）。

（二）风险与不适

1.检查本