人工智能正在通过发现与风险相关的新乳腺X线摄影特征，改变乳腺癌筛查的方式，为更精确的预防和风险降低策略铺平了道路。
研究：人工智能改善基于乳腺X线摄影的乳腺癌风险预测
- 图片来源：MargJohnsonVA/Shutterstock.com*
在最近发表于《癌症趋势》（Trends in Cancer）的一项研究中，研究人员总结了人工智能（AI）如何改善基于乳腺X线摄影的乳腺癌风险预测。
引言
自1976年一项具有里程碑意义的研究发表以来，许多临床医生和科学家一直对利用乳腺X线摄影预测未来乳腺癌诊断的可能性感兴趣。根据这一方法，乳腺癌风险可以仅基于乳腺X线摄影中观察到的实质模式来确定。这些模式现在被称为乳腺密度或乳腺X线摄影密度，与乳腺X线摄影上的深色和浅色区域有关。
在乳腺X线摄影上显示为深色的乳腺组织被认为是放射学上不致密的，而白色区域被认为是致密的。致密区域主要由间质和上皮组成，统称为纤维腺体组织，而非致密区域主要由脂肪组织组成。
对于身体质量指数和年龄相同的个体，乳腺X线摄影密度较高的人患乳腺癌的风险更高。此外，这些个体还存在一个额外的问题，即遮蔽效应，乳腺X线摄影密度较高会使乳腺癌检测更加困难。
在对基于乳腺X线摄影的风险预测进行重要改进的过程中，人工智能方法可以揭示特定的实质模式，这些模式是更强的风险预测因子。在本研究中，研究人员讨论了基于人工智能的乳腺癌风险预测的进展。
人工智能生成的乳腺X线摄影特征
评估人工智能生成的乳腺X线摄影特征与乳腺癌风险之间关系的研究是观察性的，所测量的关联并不一定意味着因果关系。值得注意的是，人工智能工具可以在乳腺X线摄影上标出高风险区域。
然而，由于这些区域在传统放射学读片中并不显得可疑，因此很难将它们描述为放射学发现。因此，人工智能生成的特征仍然是一个“黑箱”，其在训练和测试样本集之外的可重复性也颇具挑战。此外，揭示与乳腺X线摄影特征相关的病理生物学及其与乳腺癌的联系至关重要。这也将对确立其在乳腺癌风险中的相关性以及降低风险的努力至关重要。
最近的一项试验在559名乳腺X线摄影筛查结果为阴性但人工智能风险评分较高的女性中检测出36例乳腺癌。这些发现表明，某些乳腺X线摄影特征可能提示早期恶性肿瘤。然而，乳腺X线摄影特征的身份仍不清楚。因此，研究必须集中在开发新方法以揭示和表征乳腺X线摄影特征的病理生物学。
对筛查和风险降低策略的影响
乳腺密度因其被纳入风险预测算法、遮蔽效应以及潜在的生物标志物用途而引起了广泛关注。随着乳腺X线摄影特征的出现，这种兴趣将进一步增强。
此外，这项研究提供了机会，可以识别出最高风险的个体，并将其与其他因遮蔽效应而可能漏诊乳腺癌的个体区分开来。具有高风险乳腺X线摄影特征的个体可以从更频繁的筛查和风险降低药物中受益。也就是说，那些在未来五年内乳腺癌风险较低的个体可以延长筛查间隔。
此外，乳腺密度增加但没有高风险乳腺X线摄影特征的个体可以从补充影像检查中受益。乳腺X线摄影特征也为风险降低策略提供了机会。例如，抗雌激素药物如他莫昔芬可以降低乳腺癌风险，可能是通过减少乳腺密度来起作用的。然而，尚不清楚抗雌激素或其他药物是否能改变乳腺X线摄影特征。任何风险降低药物都需要来自随机临床试验的证据，证明其通过影响乳腺X线摄影特征降低了风险。
结论
人工智能研究揭示了新的特征，这些特征可能解释了乳腺癌风险与乳腺密度之间的大部分短期关联。然而，这并不意味着乳腺密度不再是风险因素。尽管如此，乳腺X线摄影上可以检测到更强的风险因素，这些因素更好地指出了在乳腺癌检测前实质模式的变化。
进一步的研究需要探索乳腺X线摄影特征、乳腺密度与乳腺癌风险之间的因果联系，并为风险降低策略提供信息。
参考文献：
Ingman WV, Britt KL, Stone J, Nguyen TL, Hopper JL, Thompson EW. (2024) 人工智能改善基于乳腺X线摄影的乳腺癌风险预测。《癌症趋势》。doi: 10.1016/j.trecan.2024.10.007.
(全文结束)
