AI in mammography reporting: transparency, trust, and the patient perspective

病患看見乳攝報告上標註演算法參與判讀後，遵醫囑進行常規追蹤的比例反而下降 14%——透明度並非總是帶來信任，有時候直接把機率分數丟給病患，只會引發無謂的焦慮與對人類醫師的質疑。法國 Henri Mondor 醫院團隊針對乳房攝影報告的資訊公開議題提出深度評論，直指放射科即將面臨的醫病溝通風暴。

從單純輔助到乳房攝影的醫病溝通風暴

在過去十年間，電腦輔助診斷系統早已成為各級醫院乳房攝影室裡不可或缺的背景工具，深刻融入了每天的閱片流程中。多數放射科醫師習慣在工作站的第二螢幕上默默參考機器給出的可疑標記，將其視為防止在疲勞狀態下漏看微小群聚鈣化點或局部結構扭曲的安全網，但極少在正式的醫療文字報告中向病患提及這項人工智慧工具的存在。然而，隨著深度學習技術在醫學影像領域的爆炸性躍進，各國衛生機關開始積極推動將演算法升級為全國性乳癌篩檢計畫中的獨立讀片者，藉此取代傳統雙盲讀片中的第二位人類醫師以節省龐大的人力成本。當機器的角色從單純的提示者晉升為擁有獨立權重甚至是否決權的決策參與者時，病歷報告透明化的要求便無可避免地被推上風口浪尖。各地的病患權益倡議團體與醫療法規學者開始強烈主張，在國家級健康存摺或是各醫院專屬的病患入口網站中，必須巨細靡遺地標示每一次影像判讀背後是否有機器的參與，甚至要求公開機器的原始判定分數。這個看似立意良善且符合現代知情同意精神的透明化運動，卻在每天的臨床實務中引發了極度棘手的副作用與醫護人員的強烈反彈。當一位完全沒有任何醫學背景的婦女，在自己的手機應用程式上看到乳房影像被系統圈選出紅色的高風險熱區，即使她的主治醫師在下方將綜合結論歸類為 BI-RADS 2 的良性變化，這種視覺圖形與文字描述上的強烈衝突，往往會立刻摧毀她對醫療體系的信任感。本篇由法國 Henri Mondor 醫院團隊所發表的深度學術評論，正是奠基於多項近期的大型多中心前瞻性調查研究，針對是否該在常規乳房攝影報告中毫無保留地公開這些輔助運算數據，進行了極其詳盡且切中要害的利弊權衡與長遠影響力評估。

真實世界世代與乳腺密度次群組的衝擊

為了精確衡量全面透明公開政策對醫病信任關係帶來的實際衝擊，研究團隊彙整並深入分析了涵蓋歐洲多個國家、總數超過十二萬名接受常規數位乳房攝影與數位乳房斷層攝影篩檢的婦女長期追蹤資料。這些受試者在完成影像擷取流程後，被系統隨機分配到兩種截然不同的檢查報告接收模式：對照組在病患專屬入口網站上只能看到傳統由放射科醫師撰寫的標準文字敘述，而實驗組則會接收到包含演算法原始預測評分、病灶精確輪廓標註以及彩色熱圖圖層的全透明版綜合報告。研究中所檢驗的核心模型，是目前市場上最主流且結合了 nnU-Net（自動調架構的切割框架）與進階 radiomics（從影像自動抽上千個量化特徵）的混合型深度學習演算法，它會針對每一張不同視角的影像給出一個介於 0 到 100 之間的絕對惡性機率分數。在嚴謹的統計方法設計上，團隊不僅依賴傳統的單變量對比來檢驗組間差異，還特別導入了 compounded probability（將多個連續年齡層次、家族癌症史與複雜影像特徵的機率疊加計算綜合風險）的進階模型，來校正不同基礎風險群體在基準線上的龐大差異。最終的長期行為追蹤結果顯示，將未經醫護人員修飾與過濾的機器輔助結果直接呈現在一般大眾面前，會劇烈且難以預測地改變她們的後續就醫與健康管理行為。特別是在那些擁有極度緻密型乳腺組織（在影像上呈現大量白色實質的 BI-RADS 密度分級 C 與 D）的次群組婦女中，由於背景組織遮蔽效應導致演算法產生假陽性標註的頻率顯著偏高，這群受試者在自行閱讀全透明版報告後，產生重度醫療焦慮的比例直線攀升了將近三倍之多。更令人憂心的是，這種無謂的恐慌不但沒有促使她們更關注自身健康，反而直接導致她們對隔年常規乳房篩檢的配合意願大幅降低，完全背離了引進先進運算科技以提升整體公共衛生防護網的初衷。

Table 2 意見分歧與信任度崩解的數字

若把焦點拉到具體的量化數據驗證與臨床情境對比，Table 2 詳細且直觀地記錄了當人類主治醫師與人工智慧系統意見相左時，受試病患對整體醫療決策的信任度變化軌跡與後續衍生行為。在人類醫師的綜合判斷與演算法的初步預測方向完全一致（例如兩者同為高度懷疑惡性需切片，或同為明確無異常的陰性）的理想且單純情境下，高達 89% [95% CI: 87–91%] 的受試者在問卷中表示對這份報告感到極度安心，且完全信任醫院給出的後續處置建議。然而，一旦臨床情境進入了雙方意見不一致的灰色地帶，病患建立起來的心理防線便會面臨毀滅性的迅速瓦解。客觀數據明確指出，當資深放射科醫師將某處影像特徵判斷為 BI-RADS 2（如典型的良性血管鈣化或纖維腺瘤），但機器卻在同一個解剖位置給出超過 50% 的高風險惡性評分時，病患對於該次診療結果的絕對信任度瞬間暴跌至僅剩 42% [95% CI: 39–45%]。更值得第一線臨床工作者高度警惕的是，在這群不幸面臨報告意見分歧的受試者當中，有高達 68% 會在隔次回診時，以極端焦慮的情緒強烈要求進行額外的全乳房超音波掃描或高昂的自費磁振造影檢查以求心安，甚至有 35% 的婦女會因為徹底喪失信心，直接選擇帶著燒錄好的影像光碟片轉往其他大型醫學中心尋求第二甚至第三意見。若從更嚴謹且排除干擾因子的多變數邏輯斯迴歸模型分析來看，接收全透明版報告且遇到人類與機器意見嚴重不一致的病患，其對主動開立報告的主治醫師產生醫療糾紛疑慮與潛在訴訟動機的勝算比（Odds Ratio）更是狂飆到了 3.4 倍 [95% CI: 2.8–4.1]。這些冷酷且真實的數字赤裸裸地向整個醫界展示了，在缺乏醫師當面進行適當衛教與詳細語境解釋的情況下，單純公開冷冰冰的演算法機率分數，非但無法達成賦權病患的崇高理想，反而會成為瓦解長久以來脆弱醫病信任關係的最危險導火線。

Figure 3 的假陽性次群組與防禦性切片

除了整體信任度與滿意度的戲劇性下滑之外，Figure 3 進一步利用平滑的統計生存曲線畫出了不同年齡層次與不同病灶型態次群組，在面臨判讀意見衝突時所承受的深遠心理衝擊程度。在該圖表中可以清楚觀察到一個極度反直覺的社會心理學現象，而這個現象特別集中在 40 到 50 歲這個相對年輕且對自身健康與外貌極度關注的乳癌篩檢族群：相較於那些明確得知自己罹患初期惡性腫瘤並迅速被轉介進入外科治療療程的病患，這群年輕受試者在經歷了「機器螢幕大聲報警、但主治醫師再三保證絕對沒事」的煎熬假陽性驚魂記後，她們在未來兩年內主動以各種理由推託並拒絕再次接受常規乳房攝影篩檢的比例，反而異常地攀升了 12%。若進一步細緻探究不同醫療機構層級的表現差異，位於郊區的社區型醫院病患對於演算法意見分歧的反應尤為劇烈，其在標準焦慮量表上的平均得分顯著高於大型學術醫學中心的受試者（p < 0.01）。這種城鄉分布與機構層級之間的顯著差異，很大程度上歸因於基層醫療院所往往受限於編制，缺乏足夠數量的專科個案管理師來進行即時、溫暖且深度的心理疏導與病情解說。此外，針對醫療法規邊界與過失責任歸屬的後續追蹤，來自羅馬尼亞與法國跨國多中心聯盟的長期追蹤資料點出了一個極為嚴峻的執業現實：當主治醫師決定憑藉自身多年累積的閱片經驗，果斷推翻演算法給出的高風險警告，並勇敢地在系統中發出正常陰性報告時，若該名婦女最終不幸在下一次常規排程篩檢前發生了無法挽回的間隔癌（interval cancer），醫師在法庭上面臨醫療過失指控與巨額民事求償的法律敗訴風險會呈指數型暴增。這種無所不在且令人窒息的巨大壓力，直接迫使高達 28% 的第一線放射科醫師在深夜值班遇到機器以閃爍紅框標示出極微小的非特異性群聚鈣化點時，即便心中根據多年的病史追蹤強烈認為那只是無害的良性變化，依然會選擇妥協並調升整份報告的 BI-RADS 等級至 3 甚至需要切片的 4A 程度。這種求取自保的防禦心態直接導致了該地區極度不必要的粗針切片率（core needle biopsy rate）在全面導入全透明化輔助系統後的短短十二個月內，微幅但具備高度統計學意義地上升了 1.5%。

重構 BI-RADS 文字範本與放射科應對策略

在論文最後的討論與展望環節中，跨國作者群坦然承認目前關於病患入口網站的問卷調查設計與後續就醫行為追蹤，絕大多數仍侷限於歐洲地區具有較高社經地位、且幾乎不存在數位工具使用障礙的特定高社群階級族群，這些觀察結果未必能完全且毫無保留地直接外推至全球不同醫療文化背景、不同基礎衛生教育水準與差異極大的商業保險制度場域。儘管存在著這些不可忽視的學術研究侷限性，但這項大規模研究所帶出且經過嚴格數據驗證的臨床啟示，對於每日坐在陰暗閱片室裡承受龐大產能壓力的第一線放射科醫師而言，依然具有極高且立竿見影的實戰指導價值。我們必須徹底翻轉過去的思維，認知到已經無法再將先進的演算法視為只有自己能在工作站螢幕上偷偷參考的秘密檢驗武器，而是必須主動出擊，學會如何優雅且毫無破綻地將其存在感合理地融入正式且具法律效力的醫療病歷紀錄之中。直接將機器的原始預測百分比分數，或是五顏六色未經解釋的熱點圖直接打包附在給病患帶回家的最終報告單上，顯然是一項極度不智、推卸責任且絕對會引發後續災難的粗暴舉動。相反地，作者群強烈建議各級醫療院所的管理階層應該針對乳房影像檢查報告，由法務部門與醫療品質委員會共同設計出高度整合、語氣中立且具有強大防護性的標準化文字範本。例如，在報告最關鍵的 impression（印象與結論）段落結尾，透過資訊系統自動統一加上一句不帶任何情緒波動的制式敘述：「本項數位影像檢查已同步交由具備最高國際醫療器材認證之人工智慧輔助軟體進行初步雙重掃描比對，並綜合專科放射線醫師之多年專業臨床判斷後，確立此份最終診斷結論」。這樣的制度化作法，一方面完美滿足了現代嚴苛衛生法規對於創新醫療工具使用透明度與知情同意的基本剛性要求，另一方面也能從根本上確保極度複雜的醫療決策最高主導權與對外解釋權，依然穩穩地留在經過長期專業訓練的人類醫師手中，避免醫護人員淪為機器的附庸。未來幾年相關領域的學術工作重點，勢必將從單純追求模型帳面上的預測準確率，大幅度轉向聚焦於開發專門針對一般病患衛教的友善互動介面，讓演算法日以繼夜產出的海量生硬數據能在被專業人士妥善過濾、翻譯與解釋的前提下，真正成為促進醫病共享決策、提升公共衛生防護網的強大正向助力，而不是淪為引發民眾無端恐慌與癱瘓寶貴醫療資源的災難亂源。

在打出 BI-RADS 1 或 2 的正常報告前，若看到輔助軟體亮出高風險紅燈，請務必在結語補上「本報告已綜合軟體雙重掃描與醫師專業判斷」的定心丸，一句防禦性文字絕對能省去你日後面臨的無數醫糾。