AI 能否实现个性化的乳腺癌筛查？

根据9月7日在线发表在Radiology的研究，一种用于乳腺X射线摄影筛查的人工智能（AI）算法或许有助于为女性提供个性化的乳腺癌筛查方案。

夏威夷大学檀香山癌症中心John Shepherd博士领导的研究人员在使用超过25,000多张乳腺X射线摄影筛查影像，对深度学习算法进行训练和测试后发现，他们的模型比仅仅依靠包括乳腺密度在内的乳腺癌临床危险因素更能预测未来乳腺癌风险。Shepherd在RSNA的一份声明中说：“结果表明，我们通过AI获得的额外信息为筛查检测到的癌症提供了更好的风险预估。它帮助我们实现了将女性分为乳腺癌低风险和高风险的目标。”

不利的一面是，AI算法在预测间期癌病例方面做得不如预期。

研究人员使用从两家诊所获得的6,369名女性的25,096张数字乳腺X射线摄影筛查数据去训练和测试一种深度学习模型，以区分没有患乳腺癌的女性和那些在随后几年中发生间期癌或在筛查中发现癌症的女性。

在6,369名女性中，1,609名后来在筛查中检测出乳腺癌，351名患了间期浸润性乳腺癌。研究人员将该算法在1,669张乳腺X射线摄影影像上的性能与基于临床风险因素（包括BI-RADS密度分类）的模型以及组合模型进行了比较。他们使用C统计量来评估效能。

作者写道：“我们的结论是，利用深度学习来识别乳腺X射线摄影图像特征，结合传统的临床风险因素，可以提高我们预测筛查检出乳腺癌风险的能力。”

与仅仅依靠乳房密度来指导许多管理决策和建议女性来年再次进行筛查不同，使用AI模型可将筛查阴性的女性在接下来三年内的风险分为三种：1）乳腺癌低风险；2）筛查检测风险升高；3）间隔浸润性癌症风险升高。Shepherd博士说：“这将使我们能够利用女性的个人风险来确定她应该多久接受一次筛查。”低风险女性可能不需要像高风险女性那样经常进行筛查。

研究人员称，此外，该算法还有助于决定何时使用其他影像方法检查。例如，致密乳腺且患间期癌风险较高的高危组女性，可能会受益于补充成像（包括MRI、超声和分子成像）的检测。Shepherd说：“AI可以通过图像中发现癌症的概率对乳腺X射线摄影进行排序，因此它将可以成为一个强大的二次阅片工具，帮助对乳腺X射线图像进行分类。”

在下一阶段的工作中，研究人员计划将研究结果复制到夏威夷原住民和太平洋岛民女性中，并扩展该模型，为不同级别的乳腺癌提供风险预测。

韩国仁川仁荷大学医院和医学院的Min Sun Bae博士和韩国首尔庆熙大学医院的Hyug-Gi Kim博士指出，由于每个女性患乳腺癌的风险都不同，因此女性应该有个性化的筛查间隔和量身定制的补充筛查方案。Bae和Kim在其随附的评论中写道：“关于乳腺癌筛查的决定应该通过一个共同决策过程做出，使女性能够根据个人风险评估与医生一起做出知情下的决定。因此，需要进一步加强风险预测模型，以支持乳腺癌筛查的个性化方法。”

本篇为新闻译文，全篇原文发表于AuntMinnie.com，作者为该网站特约撰稿人：Erik L. Ridley