人工智能正在通过揭示新的乳房x光检查特征来改变乳腺癌筛查与风险挂钩，为更精确的预防和降低风险战略铺平道路。
在最近发表在《癌症趋势》杂志上的一项研究中，研究人员总结了人工智能（AI）如何改善基于乳房x光检查的乳腺癌风险预测。
自从1976年发表了一项具有里程碑意义的研究以来，利用乳房x光检查预测未来乳腺癌诊断的可能性引起了许多临床医生和科学家的兴趣。
因此，乳腺癌的风险可以仅根据乳房x线照相术观察到的实质模式来确定。这些模式，现在被称为乳房x光片或乳房密度，与乳房x光片上的深色和浅色区域有关。
乳房组织呈黑色（在乳房x光片上）被认为是非致密的，而白色则被认为是致密的。致密区主要包括间质和上皮，统称为纤维腺组织，而非致密区主要包括脂肪组织。
与体重指数和年龄相比，乳房x光检查密度较高的个体患乳腺癌的风险更高。
此外，这样的个体有一个额外的并发症，即掩蔽效应，其中更大的乳房x线摄影密度使乳腺癌更难检测。
在对基于乳房x光检查的风险预测的重大改进中，人工智能方法可以发现乳房x光检查的特征，这些特征是特定的实质模式和更强的风险预测因子。在本研究中，研究人员讨论了基于人工智能的乳腺癌风险预测的进展。
评估人工智能生成的乳房x线照片特征与乳腺癌风险之间关系的研究是观察性的，测量的关联并不一定意味着因果关系。值得注意的是，人工智能工具可以精确定位乳房x光检查中高风险的区域。
然而，由于这些区域在常规放射学读数中并不显得可疑，因此很难将其描述为放射学发现。
因此，人工智能生成的特征仍然是一个“黑盒子”，它们在训练和测试样本集之外的再现性是具有挑战性的。此外，揭示与乳房x线摄影特征相关的病理生物学及其与乳腺癌相关的机制至关重要。
这对于确定它们与乳腺癌风险的相关性以及减轻风险的努力也至关重要。
最近的一项试验在559例基于磁共振成像（MRI）的女性筛查中发现了36例乳腺癌，这些女性的乳房x光检查结果为阴性，并且基于人工智能的风险评分增加。这些发现表明一些乳房x线摄影特征提示早期恶性肿瘤。
然而，乳房x光检查的特征仍然不清楚。因此，研究必须集中于开发新的方法来揭示和表征乳房x线摄影特征的病理生物学。
乳房x线摄影密度由于其包含在风险预测算法、掩蔽效应和作为生物标志物的潜在用途而引起了极大的兴趣。随着乳房x线摄影特征的出现，这种兴趣将会加强。
此外，这项研究提供了机会来识别乳腺癌风险最高的个体，并将他们与其他由于掩蔽效应而错过乳腺癌风险的个体区分开来。
具有高危乳房x光检查特征的个体可以从更频繁的筛查和降低风险的药物中获益。也就是说，对于那些在未来五年内患乳腺癌风险较低的人来说，可以延长筛查间隔时间。
此外，乳房x光密度增高但无高危特征的个体可从补充影像学检查中获益。
乳房x光检查也为降低风险的策略提供了机会。例如，像他莫昔芬这样的抗雌激素可以降低患乳腺癌的风险，并可能通过降低乳房x光检查密度来进行手术。
然而，尚不清楚抗雌激素或其他药物是否可以改变乳房x光检查的特征。此外，任何降低风险的药物都需要随机临床试验的证据，证明其对乳房x光检查特征的影响降低了风险。
人工智能研究发现了一些新的特征，这些特征可能解释乳腺癌风险和乳房x光检查密度之间很大一部分短期关联。然而，这并不意味着乳房x线摄影密度不再是一个危险因素。
然而，更强的危险因素可以在乳房x光检查中发现，在乳腺癌检测之前，乳房x光检查可以更好地确定实质模式的变化。
需要进一步的研究来探索乳房x线摄影特征、乳房x线摄影密度与乳腺癌风险之间的因果关系，并为降低风险的策略提供信息。
