划重点
01人工智能在乳腺癌筛查和降低风险策略方面取得了重要进展。
02通过深度学习等先进的计算方法，人工智能方法正在揭示乳房X光检查的特征，这些特征可能比任何其他已知的风险因素都更能预测乳腺癌的风险。
03然而，人工智能生成的乳房X线特征尚未被明确为癌症或良性疾病，需要确定与乳房X线特征相关的病理生物学和潜在机制。
04为此，科学家和临床医生正在努力解决“掩蔽效应”带来的复杂性，以及如何改善临床实践。
05未来，具有与乳腺癌高风险相关的X光特征的女性可能从更频繁的筛查或降低风险的药物中受益，而低风险女性则更适合更长的筛查间隔。
以上内容由腾讯混元大模型生成，仅供参考
2月13日，发表在细胞出版社（Cell Press）旗下期刊Trends in Cancer上的一篇评论文章显示，人工智能（AI）正在塑造乳腺癌筛查和降低风险策略的未来景象。
论文通讯作者、澳大利亚昆士兰科技大学的Erik Thompson说：“我们讨论了人工智能辅助预测乳腺癌风险的最新进展，这对未来乳腺癌筛查和预防意味着什么，以及推动乳房X光检查从研究进展到临床实践所需的关键研究。”
乳房组织在X光片上显示为白色，放射学上是致密的，而乳房组织显示为黑色则被认为是非致密的。人们普遍认为，与年龄和身体质量指数相比，X光检查密度较高的女性患乳腺癌的风险更大。此外，较高的密度使乳腺癌更难通过X光检查发现，这被称为“掩蔽效应”。
随着美国、加拿大和澳大利亚的政策变化，世界各地的倡导运动要求告知妇女她们的乳房X光检查密度。在一些地方，相关密度指导了其他辅助成像技术的使用，例如超声和磁共振成像（MRI）在乳房密度极高的妇女中提高了癌症的检出率。然而，科学家和临床医生仍在努力解决“掩蔽效应”带来的复杂性、乳腺癌风险与X线密度相关性，以及如何改善临床实践。
为了预测未来的乳腺癌诊断，深度学习等先进的计算方法目前被用来分析乳房X光图像。特别是，人工智能方法正在揭示乳房X光检查的特征，这些特征可能比任何其他已知的风险因素都更能预测乳腺癌的风险。这些特征可能解释了乳房X线摄影密度与乳腺癌风险之间的很大一部分关联。这为识别未来患乳腺癌风险最高的女性提供了新的机会，并将她们与那些因掩蔽效应而错过乳腺癌风险最高的女性区分开来。
“具有与乳腺癌高风险相关的X光特征的女性，有可能从更频繁的筛查或降低风险的药物中受益。”Thompson说，“另一方面，对于在未来5年内被诊断为乳腺癌几率较低的女性来说，更长的筛查间隔更适合她们。此外，X光检查密度高但无高危特征的女性可能会受益于MRI或超声波等辅助成像。”
研究表明，一些人工智能生成的乳房X线特征表征了早期恶性肿瘤，这些是靠放射科医生阅片无法检测到的，但是也有一些特征可能是与乳腺癌风险增加相关的良性情况。人工智能生成的乳房X线特征尚未被明确为癌症或良性疾病。
“至关重要的是，我们需要确定与乳房X线特征相关的病理生物学，以及将它们与乳腺癌发生联系起来的潜在机制。”Thompson说，“这对于确定它们与短期和长期乳腺癌风险的相关性以及未来降低这种风险的努力至关重要。”
阅读论文：https://cell.com/trends/cancer/fulltext/S2405-8033(24)00226-7
了解更多最新研究，请关注Cell Press细胞出版社官方微信“CellPress细胞科学”