B-RAD：可解释乳腺超声AI分级，四读者漏诊恶性病例减少、一致性显著提升

核心要点

• 问题：乳腺超声是乳腺癌诊断的核心手段，但医生在 BI-RADS 分级上存在显著的观察者间差异，而现有深度学习模型又普遍缺乏可解释性，难以赢得医生信任。
• 方法：韩国团队提出 B-RAD，一个 BI-RADS 感知的检索增强诊断框架，模拟放射科医生「检索范例→定位病灶→判定类别」的工作流，在 7 个国家 11 个队列共 8,311 张图像上验证，并开展四读者研究。
• 结果：未经微调，B-RAD 在独立机构队列的活检分流 AUROC 达 0.952（95% CI 0.925–0.973），优于现有视觉-语言模型；四读者研究中每位读者四分类准确率提升 9–25 个百分点，读者间一致性从中等升至显著，所有读者的漏诊恶性病例均减少。
• 意义：检索增强让诊断过程「有据可查」，可缩小经验差距、支持资源有限地区的乳腺癌筛查，但最强结果来自回顾性高可疑病例，尚不能证明患者结局改善。
• 原文：Interpretable multimodal retrieval augmented diagnosis for breast ultrasound with multinational clinical validation and reader study，npj Digital Medicine，2026-10-03

1. 乳腺超声的临床挑战：分级主观、AI 不可解释

乳腺超声（breast ultrasound）是乳腺疾病诊断和活检决策最常用的影像手段之一，尤其适合致密型乳腺。但它的一个长期难题是：医生依据美国放射学会的乳腺影像报告和数据系统（Breast Imaging Reporting and Data System，BI-RADS）对病灶分级时，不同医生的判断常不一致，观察者间差异明显，直接影响「该不该活检」的决策一致性。

另一个痛点来自 AI 本身。近年多模态大语言模型（multimodal large language model）有望在医学影像上做基于报告的推理，但图像—报告配对数据稀缺，视觉与语义的对齐能力弱；更重要的是，很多诊断模型只给一个分数，医生看不到依据，难以信任。

本研究要解决的正是这两个问题的叠加：能不能做出一套既贴合 BI-RADS、又能展示「为什么这么判」的可解释诊断框架。

2. B-RAD 的核心创新：让 AI 像医生一样「看片」

研究由韩国团队完成，2026 年 10 月 3 日在线发表于 npj Digital Medicine。创新点有三。

第一，模拟放射科医生的完整工作流。B-RAD 不直接端到端输出分类，而是按「检索范例→定位病灶→判定 BI-RADS 类别」三步走，每一步都有可见的中间产物，医生可以复核模型参考了哪些相似病例。

第二，用检索增强（retrieval-augmented）对齐 BI-RADS。它的检索模块通过联合最小化跨模态失配和序数预测误差，从未配对数据里学习 BI-RADS 感知的对齐——绕开了图像—报告配对数据稀缺的瓶颈，让检索到的范例与分级语义真正对应。

第三，少样本定位 + 无训练注视点注意力。检索到的范例指导少样本病灶检测，同时识别病灶的边缘和后声学特征；检测区域再触发分割模型，其掩膜驱动「无需训练」的注视点注意力来做最终分类，让模型关注到与诊断相关的关键区域。

3. 技术原理：检索、定位、分类三段式

通俗地说，B-RAD 的输入是一张乳腺超声图，处理流程分三步。

第一步检索：先用一个医学视觉-语言模型生成对图像的结构化描述，把这段描述当作查询，从带 BI-RADS 标签的历史病例库里检索相似图像。注意，这段初始描述只用于检索，不作为已核实报告。

第二步定位：检索到的相似范例指导模型做少样本病灶检测，找出病灶并刻画其边缘、后声学特征等超声征象。

第三步分类：检测区域触发分割模型，用分割掩膜引导注视点注意力，把注意力聚焦在病灶关键部位上，最终输出 BI-RADS 类别。

需要厘清：B-RAD 测的是一个研究型诊断框架，不是已获批的筛查或诊断产品。它的最强结果来自回顾性病例，作者也未证明它改善了患者层面的结局，因此定位是「辅助决策支持」而非「替代医生」。

4. 数据说话：独立队列 AUROC 0.952，四读者全部获益

研究合并了 7 个国家 11 个队列的 8,311 张图像（非 8,311 名独立患者），核心结果如下。

最值得关注的是四读者研究：100 个病例（35 恶性、65 良性），四位医生（两名乳腺放射科医生、一名普放医生、一名二年级住院医）在 B-RAD 辅助下，四分类准确率各自提升 9–25 个百分点，其中三项达到统计显著，读者间一致性从中等水平提升到显著水平，且每位读者漏诊的恶性病例都减少了。

但也要看另一面：最强的 0.952 来自 289 个回顾性病例，其中 83.7% 是 BI-RADS 4 或 5 类的高可疑病灶，这个「高可疑混杂」与一般筛查人群不同，不能直接外推；换到外部的 BUS-CoT 队列，AUROC 掉到 0.799，作者把差异部分归因于数据集的异质性。此外，描述精确匹配率 73.5%，另有 10.5% 的描述被判定为「临床相反」，说明模型生成的结构化描述尚不可靠，人工复核仍是流程里不可省略的一环。

5. 从实验室到临床：应用前景与局限

应用前景上，B-RAD 可能用于基层或资源有限地区的乳腺癌筛查辅助——检索到的相似范例像「教学片」一样帮年轻医生参照，缩小经验差距；它的可解释性也有助于医生在报告里引用依据，缓解「黑箱」顾虑。这一思路与本站此前解读的可解释病理AI（PathPrism）相呼应，都强调「让 AI 说清楚为什么」，也与腹部CT通用AI（RADAR）同属「医学影像AI诊断」方向。

局限至少三条。其一，这是回顾性研究，最强结果来自单中心 289 个高可疑病例，非前瞻、非随机，也未做患者结局的验证；其二，外部队列性能明显下降（0.799），泛化性存疑；其三，AUROC 只衡量排序能力，不反映具体阈值下的活检数量，也不能证明改善了患者结局。作者明确提醒，模型不能替代医生，人工复核是设计里不可省略的部分。

6. 结论与产业启示

这项研究给出一条清晰的路径：通过检索增强让乳腺超声 AI 既贴合 BI-RADS、又具备可解释性，在独立队列上活检分流 AUROC 达 0.952，四读者研究显示每位医生准确率提升、漏诊恶性病例减少、一致性显著改善。

对医疗AI产业有三点可执行建议：一是把「可解释」作为影像AI产品的设计原则，用检索范例、病灶定位、注意力热图等让医生看到依据，而不是只给一个分数；二是正视回顾性高分与真实人群的差距，落地前必须做外部验证和前瞻评估，这正是「医疗AI评估验证」的应有之义；三是把模型定位为辅助工具而非替代者，在流程里保留人工复核。一个既准又可解释、还能在真实人群里站得住的「医疗AI解决方案」，才是基层真正能用起来的产品。

相关问题

Q：B-RAD 现在能直接用于临床诊断吗？

A：不能。它是研究型框架，最强结果来自回顾性高可疑病例，未做前瞻或随机验证，也未证明改善患者结局。作者明确表示需人工复核，不能替代医生。

Q：它会替代乳腺超声医生吗？

A：不会。四读者研究显示的是「辅助后医生更准、漏诊更少」，模型定位是决策支持而非替代。医生仍是最终决策者，模型生成的结构化描述也需人工核实。

Q：它对中国基层医疗有什么意义？

A：它把检索到的相似病例当作「参照范例」展示，有助于缩小经验差距，理论上可辅助基层超声医生提升分级一致性；但模型主要用多国公开数据训练，能否适应中国人群和本地设备，仍需本地外部验证。

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. Chen RJ, Ding T, Lu MY, et al. Towards a general-purpose foundation model for computational pathology. Nature Medicine. 2024;30(3):850–862. DOI: 10.1038/s41591-024-02857-3

本文基于 Interpretable multimodal retrieval augmented diagnosis for breast ultrasound with multinational clinical validation and reader study 的独立解读，仅供学术交流，不构成临床建议。