美国梅奥诊所Vachon等报告，人工智能(AI)成像算法与乳腺密度相结合，可以独立预测浸润性乳腺癌的长期风险，特别是晚期癌症。(J Clin Oncol. 2023年4月27日在线版)

AI算法改善了乳腺X线摄影检查的乳腺癌情况，但对晚期和间隔期癌症的长期风险预测的作用尚不清楚。

研究者从美国两个乳腺X线摄影检查队列中确定了2412例浸润性乳腺癌患者和4995名对照患者，这些患者在癌症诊断前2~5.5年进行了二维全视野数字乳腺X线摄影检查，其年龄、种族和乳腺X线摄影检查日期相匹配。

研究者评估了乳腺成像报告和数据系统分型的乳腺密度、AI恶性肿瘤评分(1~10分)和体积密度测量。该研究使用条件logistic回归来估计比值比(OR)、95%CI(校正年龄和BMI)，C统计量(AUC)来描述AI评分与浸润性癌症的相关性及其对乳腺密度测量模型的贡献。似然比检验(LRT)和逐步分析法被用于比较模型的性能。

在患癌前2~5.5年的乳腺X线摄影检查中，AI评分每增加一个单位，患浸润性乳腺癌的概率就增加20%(OR=1.20，95%CI 1.17~1.22;AUC=0.63，95%CI 0.62~0.64)，对间隔时间(OR=1.20，95%CI 1.13~1.27;AUC=0.63)、晚期癌症(OR=1.23，95%CI 1.16~1.31;AUC=0.64)和密度(OR=1.18，95%CI 1.15~1.22;AUC=0.66)的预测相似。

AI评分改善了密度测量模型中所有癌症类型的预测(PLRT值<0.001)，晚期癌的鉴别性有所提高(即密度体积的AUC从0.624增加到0.679，ΔAUC=0.065，P=0.01)，而间隔期癌症的鉴别性无统计学意义。

(编译 崔艳红)