MASAI 試驗的突破性成果發表於 The Lancet

隨著 Mammography Screening with Artificial Intelligence（MASAI）試驗的最終結果在 The Lancet 發表，一個醫療診斷的里程碑時刻已經到來。作為同類中首個隨機對照試驗，這項研究提供了決定性的證據，顯示人工智慧（artificial intelligence）能顯著強化乳癌篩檢流程。於 2026 年初公布的研究結果顯示，人工智慧輔助的篩檢不僅比傳統方法偵測到更多癌症，還在減少 間隔期癌症 方面達成關鍵性下降，並且幾乎將放射科醫師的工作量減半。

對全球醫療社群而言，這些結果代表了一個範式轉變。將人工智慧整合進乳房攝影篩檢已不再僅是理論上的效率提升；這是一種經臨床驗證的方法，可提升病人安全並在高量篩檢方案中優化資源配置。

The MASAI Study: A New Benchmark for Accuracy

在瑞典進行、涵蓋超過 106,000 名參與者的 MASAI 試驗，比較了人工智慧輔助篩檢與標準雙重讀片方法的效能，後者為兩位放射科醫師各自獨立審查每張乳房攝影影像。研究使用 ScreenPoint Medical 的 Transpara AI 系統來分析影像，並根據風險分數對個案進行分流。

結果清楚呈現出優越的表現。人工智慧輔助組較對照組達到 高出 28% 的癌症偵測率。更重要的是，這種提高的敏感性並非以過度診斷或過多偽陽性為代價。研究發現人工智慧輔助的工作流程維持了高特異性，確保女性不會比標準照護承受更多不必要的警示焦慮。

Key Performance Metrics from the MASAI Trial

間隔期癌症：關鍵指標

或許在 2026 年更新中最重要的發現，是關於 間隔期癌症 的數據。間隔期癌症指的是在排程的篩檢輪次之間、參與者先前收到「正常」結果後被診斷出的癌症。間隔期癌症特別危險，因為它們通常比篩檢發現的腫瘤更具侵襲性且在較晚期才被發現。

先前的中期報告已確認人工智慧能在初次掃描期間偵測到更多癌症；然而，臨床醫師仍焦急等待長期追蹤數據，以判斷這較高的偵測率是否真正預防了未來的間隔期癌症。最終結果確認人工智慧組在間隔期癌症方面有 12% 的下降。此外，研究指出侵襲性間隔期癌症下降了 16%，侵襲性且非乳腺腔 A 型的亞型則下降了 27%。這些結果顯示，人工智慧並非僅發現生長緩慢、傷害較小的腫瘤，而是成功辨識出人為閱片可能漏掉的侵襲性惡性腫瘤，從而透過更早的介入有可能挽救生命。

減輕放射科醫師的負擔

在許多國家，放射科醫師的全球短缺已達危機等級，造成診斷與治療的瓶頸與延遲。MASAI 試驗為這項人力挑戰提供了一個可行的解決方案。透過利用人工智慧對低風險乳房攝影進行分流，該研究展示了 放射科醫師工作量減少 44% 的成果 radiologist workload。

在試驗的流程中，AI 系統對每次檢查給予 1 到 10 的風險分數。

• 高風險分數： 標記為需放射科醫師雙重讀片，確保專業判讀集中於最需關注的個案。
• 低風險分數： 分流為單次讀片或自動處理，大幅減少需人為密集審查的健康影像數量。

這項效率提升實際上釋放出近一半放射科醫師的時間，讓他們能專注於複雜診斷個案、病人互動與介入性程序，而非例行性篩檢健康族群。

對醫療人工智慧（Healthcare AI）與醫學影像（Medical Imaging）的影響

MASAI 研究的成功驗證了 醫療人工智慧（Healthcare AI） 的核心承諾：強化人類智慧，以達成單靠人或機器各自無法達到的更佳結果。在 醫學影像（Medical Imaging） 領域，本次試驗成為負責任部署人工智慧工具的基礎性概念驗證。

Lund University 的通訊作者 Dr. Kristina Lång 強調，AI 工作流程的安全性是首要考量。偽陽性率的穩定性顯示該 AI 系統已為族群規模的應用做出有效校準。與早期擔憂 AI 可能會充斥診所並造成不必要的復檢不同，這項技術證明能夠與資深放射科醫師相匹配的特異性。

未來展望與採用

隨著這些結果的發表，全球醫療體系可能會加速採用人工智慧輔助的乳房攝影。明確的好處——提高癌症偵測率、減少漏診的間隔期癌症，以及大幅紓解工作量——為更新國家篩檢指引提供了令人信服的論據。

然而，實施仍需謹慎規劃。醫院必須投資必要的 IT 基礎設施，並確保建立健全的品質保證流程。隨著技術成熟，我們可望在其他高量篩檢領域看到類似的人工智慧方法進行測試，例如肺部電腦斷層檢查與病理學。

目前，MASAI 研究作為一盞進步的燈塔，證明當經過嚴格測試並妥善實施時，人工智慧可以成為抗擊乳癌的強力盟友。