在一项包含10多万例筛查性乳腺X光检查的研究中，研究人员证明了AI工具在帮助识别高风险间隔期乳腺癌女性方面的潜力。间隔期乳腺癌是指在常规筛查性乳腺X光检查之间被诊断出的乳腺癌。这项新研究的结果今天发表在《Radiology》期刊上。
剑桥大学放射学系放射学教授、阿登布鲁克医院(Addenbrooke's Hospital)荣誉顾问放射科医生菲奥娜·J·吉尔伯特(Fiona J. Gilbert, M.B.Ch.B.)表示："与筛查发现的癌症相比，间隔期癌症的预后通常更差，因为它们往往体积更大或更具侵袭性。这就是为什么在任何筛查项目中尽量减少间隔期癌症数量非常重要。"
吉尔伯特博士和剑桥大学(University of Cambridge)医学学士/博士生乔舒亚·W·D·罗斯韦尔(Joshua W. D. Rothwell)利用英国三年一次筛查项目的大型回顾性数据集，使用AI来识别需要补充影像检查以发现间隔期癌症的女性。
吉尔伯特博士表示："个性化乳腺癌筛查取决于准确评估个人在特定时间段内患乳腺癌的风险。我们可以根据女性的乳房密度和短期内患乳腺癌的可能性，使用补充影像检查并调整筛查频率。"
研究队列包括134,217名女性(50-70岁)的相同数量的筛查性乳腺X光检查，其中有524例间隔期癌症。这些检查于2014年至2016年间在英国两个三年一次乳腺癌筛查项目中心使用两种不同的乳腺X光系统进行。
Mirai是一种基于深度学习的算法，它处理了阴性(未发现癌症)的数字筛查性乳腺X光检查，并生成了发展间隔期乳腺癌的综合风险评分。该AI工具主要利用乳腺X光片中的信息，包括肿瘤特征和乳房密度，来进行风险预测。
该AI工具的3年风险评分回顾性预测了分配最高1%、5%、10%和20%评分的女性中524例间隔期癌症的3.6%(19/524)、14.5%(76/524)、26.1%(137/524)和42.4%(222/524)。间隔期癌症的识别相当于每1000人中额外癌症检出率为0.1、0.6、1.0和1.7。
罗斯韦尔表示："我们的结果表明，对评分最高的20%的乳腺X光检查进行进一步检查，可以发现42.4%的间隔期癌症，这意味着Mirai可用于识别需要补充影像检查或缩短筛查间隔的女性，而不是或除了乳房密度之外。"
与筛查检查后12-24个月或24-36个月相比，该AI工具在筛查检查后一年内预测间隔期癌症方面的表现更好。虽然该工具在乳房组织极度致密的女性中效果较差，但与传统风险预测工具相比，它表现出更优越的性能。
在英国，每年有220万女性接受乳腺癌筛查。吉尔伯特博士表示，AI可以通过改进可能从补充影像检查(如MRI或对比增强乳腺X光检查)中受益的女性的选择标准，或通过缩短筛查间隔，帮助优化该国的三年一次乳腺癌筛查项目。
她说："如果我们让20%的女性返回进行补充影像检查，我们将必须找到为44万名女性提供对比增强乳腺X光检查或MRI的容量。"
研究人员的下一步工作包括比较市面上可用的预测性AI工具，进行经济建模和成本效益分析，以及开展一项利用预测性AI识别最可能从筛查性乳腺X光检查后补充乳腺影像检查中受益的女性的试验。
吉尔伯特博士表示："识别患乳腺癌风险增加的女性是一个复杂的、多因素的问题。目标是准确识别最可能患有间隔期癌症的女性，同时尽量减少进行的补充影像检查量。"
【全文结束】
