照片来源：Unsplash+
据北美放射学会年会公布的研究显示，一种新型人工智能（AI）模型仅通过分析乳腺X光片，就能比包括乳腺密度在内的传统方法更准确地预测女性五年内患乳腺癌的风险。
哈佛医学院放射学教授康斯坦斯·莱曼（Constance Lehman）博士指出，当前评估乳腺癌风险的方式——如年龄、家族史、基因和乳腺密度——存在明显不足。多数确诊乳腺癌的女性并无显著家族病史，且仅5%至10%的病例具有遗传性。单独使用乳腺密度预测风险的效果同样有限。
名为Clairity Breast的新AI模型是首个获美国食品药品监督管理局（FDA）授权的纯影像乳腺癌风险评估工具。该模型基于全球27个站点收集的42.1万份乳腺X光片进行训练，通过比对患癌与未患癌女性的扫描图像，学习识别可能预示未来癌症风险的乳腺组织细微变化——这些变化人眼无法察觉。
该AI采用卷积神经网络深度学习方法生成个性化五年风险评分，并在美国与欧洲2011至2017年间采集的24.5万份乳腺X光片上完成验证。研究人员将AI生成的风险评分与医疗记录中的实际癌症病例进行对比，依据标准癌症风险指南分为三档：平均风险（低于1.7%）、中等风险（1.7%至3.0%）及高风险（高于3.0%）。AI识别出的高风险组女性患癌率（5.9%）较平均风险组（1.3%）高出四倍以上。
相比之下，仅凭乳腺密度指标的差异微乎其微——致密乳腺组织女性患癌率为3.2%，非致密组织女性为2.7%。这表明AI工具能提供更清晰精准的未来风险图景。
该研究首席作者兼报告人克里斯蒂安娜·库尔（Christiane Kuhl）博士强调，这些结果证明纯影像AI工具可大幅提升女性乳腺癌风险评估水平，从而制定更个性化的筛查策略。目前美国癌症协会建议平均风险女性从40岁开始乳腺X光检查，但30岁以下女性已成为晚期乳腺癌增长最快的群体。
研究团队指出，基于影像的AI风险评估工具有望更早识别高风险女性——甚至在30岁阶段，使其提前接受筛查。事实上，团队建议30岁时进行基线乳腺X光检查以生成AI风险评分：若评分较高，即使无家族病史，也应提供更早且更频繁的筛查。
当前美国多州已要求医生在乳腺X光检查后告知女性是否具有致密乳腺组织。莱曼博士认为此举可进一步优化，建议同时提供AI生成的风险评分，使女性更全面了解自身风险，为后续诊疗决策提供依据。
【全文结束】
