目的：
　　本研究旨在探讨人工智能超声S-Detect技术对乳腺实性病变的诊断价值，并进一步分析S-Detect技术与乳腺常规超声检查联合诊断的效果，评估S-Detect技术能否更好地提高不同年资医师在乳腺病灶良恶性诊断的准确率，为医师提供一种更客观、准确评估乳腺肿瘤的检查手段。
　　方法：
　　收集2018年4月至2019年3月期间在汕头大学医学院第一附属医院乳腺外科住院及乳腺外科门诊就诊的乳腺肿瘤患者79例共92个乳腺病灶。采用SamsungRS80A高端彩色多普勒超声诊断仪，L3-12A线阵探头，频率5-13MHz，配备有S-Detect系统。由一名乳腺超声诊断经验丰富的高年资医师进行常规超声检查及S-Detect检测，分别储存静态、动态图像和S-Detect评估结果，低、中、高3类不同年资组医师（分别为2年，5年和10年乳腺超声诊断经验水平）每组2名共6名医师，首先6名医师分别进行超声BI-RADS分类，然后不同年资组2名医师共同协商后进行BI-RADS分类，记录所有结果。结果与手术病理金标准进行对照统计，采用SPSS19.0及MedCalc19.0统计软件进行数据分析，P＜0.05时，差异有统计学意义，统计学方法采用线性加权的WeightedKappa系数、用2*2列联表和卡方检验、配对资料的卡方检验及绘制ROC特征曲线等。
　　结果：
　　1.高年资组的两位医师的超声BI-RADS分类诊断一致性检验结果为Kappa=0.85，P<0.001，诊断一致性强。中年资组的两位医师的超声BI-RADS分类诊断一致性检验结果为Kappa=0.63，P<0.001，诊断一致性较强。低年资组的两位医师的超声BI-RADS分类诊断一致性检验结果为Kappa=0.58，P<0.001，诊断一致性中等。
　　2.无论BI-RADS分类良性和恶性的界限被设定为4a类或4b类，S-Detect技术具有良好的诊断效能，S-Detect技术诊断的敏感性、特异性、阳性预测值、阴性预测值、阳性似然比、阴性似然比、准确性、ROC曲线下面积（AUC）分别为81.82%，79.66%，69.23%，88.68%，4.02，0.23，80.43%，0.807。S-Detect技术诊断效能明显高于低年资医师（P＜0.05），达到中年资医师水平，有超过的趋势。
　　3.低年资医师联合S-Detect技术与原BI-RADS分类结果比较，AUC增大（P＜0.05），中年资医师联合S-Detect技术与原BI-RADS分类结果比较，AUC有所提高（P＞0.05）。高年资年资医师联合S-Detect技术与原BI-RADS分类结果比较，AUC没有提高（P＜0.05）。
　　4.S-Detect技术与超声医师对乳腺肿瘤各超声图像特征判断的一致性（Kappa值）由高到低的顺序是后方回声特征（Kappa=0.86），生长方向（Kappa=0.82），形状（Kappa=0.74），边缘（Kappa=0.73），边界（Kappa=0.56），回声模式（Kappa=0.52）。总体一致性较好。
　　结论：
　　1．乳腺超声经验的增加可提高BI-RADS分类的一致性，高年资医师可以提供准确和一致的诊断，随着乳腺超声诊断经验的减少，诊断的一致性降低。
　　2.S-Detect技术对乳腺病灶有良好的诊断效能，高于低年资医师，达到中年资医师诊断水平。不同年资医师联合S-Detect技术的诊断价值中，对经验不足的医师价值最大。
　　3.S-Detect技术判断乳腺病灶的超声特征与超声医师判断结果一致性较好，可降低年资医师在超声图像解读中的误判，有利于标准化超声检查操作，一定程度上降低不同年资医师间主观因素的影响。
　　综上所述，S-Detect技术作为一种计算机辅助诊断系统，可以提高乳腺病变的诊断效能，并有望在提供第二意见方面发挥作用，特别是对经验不足医师。通过S-Detect技术和常规超声检查的结合，可以减少不必要的乳腺活检病例和患者所承担的医疗成本。