研究发现，深度学习人工智能可以更好地预测乳腺癌风险善于区分后来会患乳腺癌的女性和不会患乳腺癌的女性的乳房X线照片。研究人员说，这些发现显示了人工智能作为放射科医生助手的潜力，可以减少不必要的成像和相关成本。通常建议女性从40岁开始每年进行一次乳房X光检查以筛查乳腺癌。研究表明，乳房X光检查通过降低晚期癌症的发病率来降低乳腺癌死亡率。乳房X线照片不仅有助于检测癌症，而且还通过测量乳房密度来衡量患乳腺癌的风险。虽然乳房X线照片上密度较大的乳房与较高的癌症风险相关，但还有其他未知因素可能会导致癌症风险。在一项新研究中，研究人员使用了一个数据集，该数据集来自6,369名参与筛查乳房X线照片的女性的25,000多张数字筛查乳房X线照片。其中超过1,600名女性患上了筛查检测出的乳腺癌，351名女性患上了间歇性浸润性乳腺癌。使用此数据集，研究人员训练了一个深度学习模型，以在乳房X线照片中查找可能与癌症风险增加相关的细节或信号。当他们测试基于深度学习的模型时，它在评估间隔期癌症风险因素方面表现不佳，但在识别筛查检测到的癌症风险方面优于临床测试，包括乳房密度。结果表明，AI获取的额外信号为筛查检测到的癌症提供了更好的风险估计，并帮助医生实现了将女性分类为乳腺癌低风险或高风险的目标。这些发现对临床实践具有重大意义，其中仅乳房密度就可以指导许多管理决策。与其建议明年进行另一次筛查，不如将乳房X光检查结果为阴性的女性分为三个风险类别：乳腺癌风险低、筛查检测到的风险升高或在未来三年内患浸润性癌症的风险增加。
