在一项针对数千份乳房x光检查的大型研究中，人工智能(AI)算法在预测乳腺癌5年风险方面优于标准临床风险模型。该研究结果发表在北美放射学会(RSNA)的《放射学》杂志上。

　　女性患乳腺癌的风险通常使用临床模型来计算，例如乳腺癌监测联盟(BCSC)风险模型，该模型使用患者的自我报告和其他信息——包括年龄、疾病家族史、是否生育以及是否有致密乳房——来计算风险评分。

　　在这项回顾性研究中，Arasu博士使用了2016年在北加州凯撒医疗机构(Kaiser Permanente北加州)进行的2D乳房x光片阴性(未显示明显的癌症证据)筛查相关数据。在2016年筛选的符合资格标准的324009名女性中，随机选择了13628名女性进行分析。此外，还研究了所有4584名在2016年最初的乳房x光检查后五年内被诊断患有癌症的患者。所有女性都被跟踪到2021年。

　　“我们从2016年全年进行的乳房x光筛查中选择，因此我们的研究人群代表了北加州的社区，”Arasu博士说。

　　研究人员将为期五年的研究分为三个阶段:间隔癌症风险期，即0至1年之间诊断出的癌症;未来的癌症风险，或在一到五年内诊断出的癌症事件;所有的癌症风险，或者在0到5岁之间诊断出的癌症。

　　使用2016年筛查乳房x光片，五年内乳腺癌的风险评分由五种人工智能算法生成，其中包括研究人员使用的两种学术算法和三种商用算法。然后将风险评分相互比较，并与BCSC临床风险评分进行比较。

　　Arasu博士说:“在预测0到5年的乳腺癌风险方面，所有五种人工智能算法都比BCSC风险模型表现得更好。”“在5年的时间里，这种强劲的预测表现表明，人工智能正在识别遗漏的癌症和乳房组织特征，有助于预测未来的癌症发展。乳房x光检查可以让我们追踪乳腺癌的风险。这是人工智能的‘黑匣子’。”

　　一些人工智能算法在预测间隔期癌症高风险患者方面表现出色，间隔期癌症通常具有侵袭性，可能需要再次阅读乳房x光片、补充筛查或短间隔随访成像。以评估风险最高的10%的女性为例，人工智能预测了高达28%的癌症，而BCSC预测了21%。

　　即使是经过短时间(低至3个月)训练的人工智能算法，也能够在没有通过乳房x光筛查临床检测到癌症的情况下，预测未来五年的癌症风险。当AI和BCSC风险模型联合使用时，进一步提高了癌症预测。

　　“我们正在寻找一种准确、有效、可扩展的方法来了解女性患乳腺癌的风险，”Arasu博士说。“基于乳房x光检查的人工智能风险模型比传统的临床风险模型具有实际优势，因为它们使用单一数据源:乳房x光检查本身。”

　　Arasu博士说，一些机构已经在使用人工智能来帮助放射科医生在乳房x光检查中发现癌症。人工智能只需几秒钟就能生成一个人的未来风险评分，可以整合到与患者和医生共享的放射学报告中。

　　他说:“用于癌症风险预测的人工智能为我们提供了个性化每位女性护理的机会，这是系统无法实现的。”“这个工具可以帮助我们在全国范围内提供个性化、精准的医疗服务。”