目的探讨人工智能(S-Detect技术)辅助BI-RADS分类指导乳腺肿物活检的价值。方法常规超声BI-RADS分类均为4类的51例患者,共52个病灶均进行穿刺活检。穿刺活检前行S-Detect辅助结节的BI-RADS再次分类,以病理结果作为金标准比较两种分类方法的差异。结果 BI-RADS 4类结节遵照指南均应进行穿刺活检,活检率100%(52/52)、阳性预测值38.5%(20/52)、假阳性率61.5%(32/52)、漏诊率0%(0/20)。S-Detect辅助分类后,52个病灶中24个降类为3类,则活检率53.8%(28/52)、阳性预测值67.9%(19/28)、假阳性率32.1%(9/28)、漏诊率5%(1/20)均发生明显变化,其中活检率及假阳性率显著减低(P<0.01),漏诊率的变化无统计学意义(P>0.05)。结论 S-Detect辅助乳腺结节再次分类有助于减少不必要的穿刺活检,提高活检效能。