RADIOLOGY：人工智能模型评估未来乳腺癌风险的能力及价值

现在，越来越多的人在讨论如何使用风险适配的影像学扫描来代替乳腺全乳腺钼靶检查；临床上，筛查的频率和方式都是根据患乳腺癌的风险而选择的。现阶段，临床上已经开发了评估乳腺癌风险的几种模型，并在基于风险的相关试验中对一些模型进行了评估。这些因素在很大程度上结合了激素危险因素与他的家族历史、基因测试(包括多基因风险评分)和乳腺钼靶密度。

现阶段，乳腺钼靶是最主要的检查方法，降低了乳腺癌的死亡率。肿瘤的乳腺钼靶密度是从钼靶片中提取出来的，是乳腺癌最危险的因素之一。

最近，一种基于数字乳房X光检查的人工智能（Al）模式，称为Mirai，已被设计用于阴性筛查结果后5年内的风险评估。这种算法在这一时期比乳腺密度的风险预测更强，但还没有在人群中进行外部验证。

近日，发表在RADIOLOGY杂志上的一篇研究对一种用于基于国家卫生服务系统（NHS）乳腺筛查计划中数字钼靶未来乳腺癌风险评估的深度学习算法进行了评估，并根据年龄组和癌症类型（浸润性癌症和原位癌DCIS）对间隔期乳腺癌与筛查出的癌症的潜在异质性进行了比较及评估。

本项研究利用2010年2月至2019年9月英国国家卫生服务乳腺筛查计划的OPTIMAM乳腺图像数据库，设计了一项回顾性观察性匹配病例对照研究。乳腺癌患者（病例）是在乳腺钼靶检查后或两次三年一次的筛查之间被诊断出来的。将对照组根据乳腺钼靶设备、筛查地点和年龄进行了匹配。人工智能（AI）模型只使用诊断前筛查时的乳腺钼靶照片。研究主要目的是评估模型性能，次要目的是评估异质性和校准斜率。接收者操作特征曲线下的面积（AUC）被估计为3年风险。使用似然比交互检验来评估根据癌症亚型的异质性。统计学意义被设定为P <0 .05。
分析包括筛查出的（中位年龄，60岁[IQR，55-65岁]；2044名女性，包括1528名浸润性癌症和503名导管原位癌[DCIS]）或间隔期乳腺癌（中位年龄，59岁[IQR，53-65岁]；696名女性，包括636名浸润性癌症和54名DCIS）乳腺癌患者和1：1匹配对照，每个参与者在诊断前的筛查都有一整套乳腺钼靶图。AI模型的总体AUC为0.68（95%CI：0.66，0.70），没有证据表明间隔期乳腺癌和筛查发现的乳腺癌之间存在明显差异（AUC，0.69 vs 0.67；P = 0.085）。校准斜率为1.13（95%CI：1.01，1.26）。侵袭性癌症与DCIS的检测性能相似（AUC，0.68 vs 0.66；P = 0.057）。该模型对晚期癌症风险有更高的表现（AUC，0.72≥II期 vs 0.66 <ii期；p =0.037）。诊断时乳乳腺钼靶检测乳腺癌的AUC为0.89（95%CI：0.88，P =0.91）。

 表 人工智能算法与两种方法患者乳腺密度的直接比较

本项研究表明，AI模型是乳腺钼靶检查阴性后3-6年内乳腺癌风险的有力预测因素。 

原文出处：

Celeste Damiani,Grigorios Kalliatakis,Muthyala Sreenivas,et al.Evaluation of an AI Model to Assess Future Breast Cancer Risk.DOI:10.1148/radiol.222679