乳腺超声AI诊断如何做到既准又可解释？B-RAD检索增强框架及其七国多中心验证

乳腺超声是乳腺癌诊断的核心手段，但一个老问题始终困扰着临床：不同医生对同一张超声图的 BI-RADS 分级，判断往往不一致。尤其在 BI-RADS 3 类（可能良性）和 4A 类（低度可疑恶性）之间，这个分歧直接决定患者是"短期随访"还是"穿刺活检"。2026 年 10 月，韩国首尔大学医院团队在《npj Digital Medicine》发表 B-RAD——一个 BI-RADS 感知的检索增强诊断框架，它不只给出一个"预测结果"，而是像放射科医生一样检索相似病例、定位病灶、再判定分级，让结论"有据可查"。研究在 7 国 11 队列共 8,311 张图像上验证：机构队列活检分流 AUROC 达 0.952，四读者研究中辅助后漏诊恶性病例减少、观察者间一致性从中等提升到显著水平。

研究背景：乳腺超声的BI-RADS分级为什么难统一？

乳腺超声便宜、无辐射，是乳腺病灶筛查和诊断的主力手段。为了规范解读，医生依据美国放射学会（ACR）制定的 BI-RADS（乳腺影像报告和数据系统） 词典，把病灶分成 2、3、4A、4B、4C、5 等类别，再据此决定随访还是活检。

但这个分级高度依赖操作者和观察者：

• 设备与手法差异：探头角度、参数设置、机构间机型差异，都会让图像表现不同；
• 斑块噪声与病灶模糊：良性增生和早期恶性在灰阶上常常长得像；
• 关键边界最难：BI-RADS 3 与 4A 之间，恰恰是"随访还是活检"的分水岭，却是分歧最大的地方。

另一方面，现有深度学习模型虽准，却大多是"黑盒"——只输出一个类别概率，不解释为什么。多模态大语言模型（MLLM）想做基于报告的可解释推理，但医学影像中"图像—报告"配对数据稀缺，视觉与语义对齐弱，容易"说不对题"。

创新点：B-RAD如何让诊断"有据可查"？

B-RAD 的核心思路，是把诊断从"黑盒预测"改造成"可核验的病例推理"。它显式模拟放射科医生的三步工作流：

• 检索范例（Retrieve）：先为当前病灶找到一批已知结局的相似病例；
• 定位病灶（Localize）：少样本检测出病灶及其边缘（margin）和后声学特征（posterior acoustic features）；
• 判定分级（Classify）：综合检索到的相似病例、病灶区域和结构化描述，给出 BI-RADS 类别。

关键设计在于它的检索模块：在图像—报告配对数据不足的情况下，它从未配对数据里学习"BI-RADS 感知的对齐"，训练时联合最小化跨模态失配误差和序数预测误差——也就是说，模型不仅要把图像和描述"对上"，还要尊重 BI-RADS 分级本身的有序关系（2 < 3 < 4A < 4B …）。

技术原理：检索增强如何实现可解释？

机制上，B-RAD 用标签感知对比学习（称为 B-RAD-CLIP）专门为 BI-RADS 分级任务优化图文对齐。检测到的病灶区域会触发一个分割模型，得到的分割掩膜再驱动一种"免训练"的注视点注意力（foveal attention），把模型的注意力聚焦到病灶及其边缘，而不是整张图漫无目的地扫一遍。

这样做带来三个有别于普通 MLLM 的优势：

• 把预测锚定在"相似病例"上，而非模型预训练里"记住"的东西，从而缓解大模型的幻觉风险；
• 显式的空间推理，让注意力落在病灶与边缘，证据更可控；
• 可核验：医生能看到"参考了哪些相似病例、哪些影像特征支撑了结论"。

一句话概括：B-RAD 给出的不是"我的判断"，而是"我的判断 + 相似病例 + 推理依据"。

数据说话：七国多中心验证与四读者对照

研究汇集了 7 个国家、11 个队列共 8,311 张乳腺超声图像（注意：是图像数，不是患者数），覆盖内部验证与三个外部队列。核心成绩单如下：

四读者研究用 100 例 BrEaST 病例（65 良性、35 恶性），由 2 名乳腺放射科医生、1 名普通放射科医生和 1 名第二年住院医共同完成。结果尤其有说服力的一点是：三位经验较少的读者在 B-RAD 辅助下，都超过了无辅助的资深乳腺放射科医生基线（54.0%），说明这类工具能缩小经验差距。

在主观评价上，B-RAD 的可解释性评分 4.00（对比 MLLM 2.99）、诊断信心 3.77（vs 3.37）、临床实用性 3.74（vs 2.91）均占优；代价是阅片时间略长（18.0–37.0 秒 vs 12.5–16.7 秒），团队称之为"用时间换可验证的证据"。

应用前景与局限

B-RAD 最有价值的定位，是标准化辅助与教育工具：在缺乏乳腺影像专家的基层或资源有限地区，它能把"资深医生的判断"以相似病例的形式"带过去"；对年轻医生，案例式推理也是天然的带教场景。

但必须清醒看待局限：第一，最强的 0.952 来自仅 289 例回顾性机构队列，且其中 83.7% 是 BI-RADS 4/5 的高危样本，与一般筛查人群构成不同，不宜外推；第二，在异质性更强的 BUS-CoT 外部队列上 AUROC 掉到 0.799，说明跨机构泛化仍有距离；第三，这是一项验证研究，不是前瞻性的患者结局试验，B-RAD 尚未成为常规临床系统。作者也明确，后续仍需在真实工作流里做前瞻验证。

结论

乳腺超声 AI 长期卡在一个矛盾里：要么准但不解释，要么想解释却缺对齐。B-RAD 给出了一条折中路径——用检索增强把诊断建立在"已知结局的相似病例"之上，让 AI 既给出结果、也给出依据。7 国多中心验证与四读者研究初步表明，这条路线不仅能提升准确率，更能缩小观察者间分歧、拉平经验差距。对医学影像智能诊断而言，可解释性或许正是下一阶段从"研究热点"走向"临床可信任"的关键一步。

论文原文信息地址：https://www.simomia.com/blog/2026-10-16-brad-retrieval-augmented-breast-ultrasound/

参考文献

1. Jang H, An S, Jung S, et al. Interpretable multimodal retrieval augmented diagnosis for breast ultrasound with multinational clinical validation and reader study. npj Digital Medicine. 2026. DOI: 10.1038/s41746-026-03272-3
2. Lewis P, Perez E, Piktus A, et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems (NeurIPS). 2020. DOI: 10.48550/arXiv.2005.11401

相关问题 FAQ

医学影像AI怎么做？这种"检索增强"诊断是怎么实现的？

做这类医学影像 AI，本质是把临床问题翻译成可训练的任务。B-RAD 把"乳腺超声分级"拆成"检索相似病例 → 定位病灶 → 判定 BI-RADS 类别"三步，检索模块用标签感知对比学习，在图像—报告配对数据稀缺时改从未配对数据里学 BI-RADS 感知的对齐（联合最小化跨模态失配误差和序数预测误差），再用分割掩膜驱动注意力聚焦病灶。核心不在堆参数，而在于把诊断锚定在"已知结局的相似病例"上，让结果可核验、可解释。

BI-RADS分级是什么？为什么3类和4A类之间特别难分？

BI-RADS（乳腺影像报告和数据系统）是美国放射学会制定的一套标准化分级词典，医生据此把乳腺病灶分成 2、3、4A、4B、4C、5 等类别，并决定是短期随访还是穿刺活检。3 类（可能良性）与 4A 类（低度可疑恶性）之间之所以难分，是因为这一边界直接决定"随访还是活检"，而良性增生与早期恶性的灰阶表现常常很像，加上探头手法、设备和机构差异，观察者间的分歧就集中在这里。

这个B-RAD现在能替代放射科医生诊断乳腺癌吗？

还不能。论文明确这是一项多国验证研究，不是前瞻性患者结局试验，B-RAD 尚未成为常规临床系统。它最强的 0.952 AUROC 来自仅 289 例回顾性、且以 BI-RADS 4/5 高危样本为主的机构队列，在异质性更强的外部队列上降到 0.799。它目前的定位是标准化辅助与教育工具——辅助医生缩小分歧、拉平经验差距，而非替代医生做最终诊断。