在对数千张乳房X线照片进行的一项大型研究中，人工智能(AI)算法在预测五年患乳腺癌风险方面优于标准临床风险模型。研究结果发表在北美放射学会(RSNA)的期刊《放射学》(Radiology)上。

女性患乳腺癌的风险通常使用乳腺癌监测联盟(BCSC)风险模型等临床模型进行计算，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、她是否给予过出生，以及她是否有致密的乳房——来计算风险评分。

(相关资料图)

“临床风险模型取决于从不同来源收集信息，这些信息并不总是可用或收集的，”首席研究员、北加州KaiserPermanente的研究科学家和执业放射科医生VigneshA.Arasu医学博士说。“人工智能深度学习的最新进展使我们能够提取成百上千个额外的乳腺X线摄影特征。”

在回顾性研究中，Arasu博士使用了与2016年在北加州KaiserPermanente进行的阴性(未显示癌症的可见证据)筛查2D乳房X线照片相关的数据。在2016年筛查的324,009名符合资格标准的女性中，随机分组选择了13,628名女性进行分析。此外，还研究了资格池中所有4,584名在2016年原始乳房X光检查后五年内被诊断出患有癌症的患者。所有女性都被追踪到2021年。

“我们从2016年进行的全年筛查乳房X线照片中进行选择，因此我们的研究人群代表了北加州的社区，”Arasu博士说。

研究人员将五年研究期分为三个时间段：间隔癌症风险，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新发癌症;以及所有癌症风险，或0至5岁之间诊断出的癌症事件。

使用2016年筛查乳房X线照片，五年期间的乳腺癌风险评分由五种人工智能算法生成，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。

“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的表现都优于BCSC风险模型，”Arasu博士说。“这种在五年期间的强大预测性能表明人工智能正在识别遗漏的癌症和有助于预测未来癌症发展的乳腺组织特征。乳房X线照片中的某些东西可以让我们追踪患乳腺癌的风险。这是人工智能的‘黑匣子’。”

一些AI算法擅长预测间期癌高风险患者，这通常是侵袭性的，可能需要二次阅读乳房X线照片、补充筛查或短期随访成像。例如，在评估风险最高的10%的女性时，AI预测了高达28%的癌症，而BCSC预测为21%。

即使是针对短时间范围(低至3个月)训练的AI算法也能够预测未来长达五年的癌症风险，而此时通过乳房X光筛查在临床上未检测到癌症。当结合使用时，AI和BCSC风险模型进一步改善了癌症预测。

“我们正在寻找一种准确、高效和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线摄影的AI风险模型提供了优于传统临床风险模型的实际优势，因为它们使用单​​一数据源：乳房X线照片本身。”

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检测乳房X线照片上的癌症。人工智能需要几秒钟才能生成一个人的未来风险评分，该评分可以整合到与患者及其医生共享的放射学报告中。

“用于癌症风险预测的AI为我们提供了个性化每位女性护理的机会，而这并不是系统可用的，”他说。“这是一种可以帮助我们在全国范围内提供个性化、精准医疗的工具。”

关键词：