根据Cell Press于12月12日发表在《癌症趋势》杂志上的一篇评论文章，乳腺癌筛查和降低风险策略的未来正在由人工智能（AI）塑造。

　　澳大利亚布里斯班昆士兰科技大学的高级研究作者Erik Thompson说：“我们讨论了人工智能辅助乳腺癌风险预测的最新进展，这对乳腺癌筛查和预防的未来意味着什么，以及将**x光检查特征从研究进展到临床实践所需的关键研究。”

　　**组织在**x光片上显示为白色，放射学上是致密的，而**组织显示为黑色则被认为是非致密的。人们普遍认为，与年龄和身体质量指数相比，**x光检查密度较高的女性患乳腺癌的风险更大。此外，较高的密度使乳腺癌更难通过**x光检查发现，这被称为“掩蔽效应”。

　　随着美国、加拿大和澳大利亚的政策变化，世界各地的倡导运动要求告知妇女她们的**x光检查密度。**x线摄影密度在一些地方指导了辅助成像技术的使用，超声和磁共振成像（MRI）在对**密度极高的妇女的临床研究中提高了癌症的检出率。然而，科学家和临床医生仍在努力解决掩蔽效应带来的复杂性，乳腺癌风险与**x线摄影密度相关，以及如何在临床实践中最佳地实施变化。

　　为了预测未来的乳腺癌诊断，深度学习等先进的计算方法现在被用于分析**x线摄影图像。特别是，人工智能方法正在揭示**x光检查的特征，这些特征可能比任何其他已知的风险因素都更能预测乳腺癌的风险。这些特征可能解释了**x线摄影密度与乳腺癌风险之间的很大一部分关联。人工智能生成的风险预测**x线照片特征的发现，为识别未来患乳腺癌风险最高的女性提供了新的机会，并将她们与那些因掩蔽效应而错过乳腺癌风险最高的女性区分开来。

　　汤普森说：“有**x光检查特征的女性与乳腺癌检测的高风险相关，可以从更频繁的筛查或降低风险的药物中受益。”

　　研究表明，一些人工智能生成的**x线摄影特征表明了放射科医生阅读的**x线摄影无法检测到的早期恶性肿瘤，而其他特征可能是与乳腺癌风险增加相关的良性疾病。人工智能生成的**x线照片特征未被确定为癌症或良性疾病，其身份仍不清楚。

　　“至关重要的是，我们需要确定与**x线摄影特征相关的病理生物学，以及将它们与乳腺癌发生联系起来的潜在机制，”汤普森说。“这对于确定它们与短期和长期乳腺癌风险的相关性以及未来降低这种风险的努力至关重要。”