人工智能在乳腺癌诊断中的具体应用有哪些？

乳腺癌

NCBI有一篇论文人工智能在乳腺癌诊断与个性化医疗中的应用，阐述了AI在乳腺癌诊断流程中的作用，涵盖筛查、诊断、分期、标志物检测、预后评估及治疗反应预测等多个环节。在乳腺癌诊断和个性化医疗领域，人工智能的应用展现出巨大潜力。特别是在放射学中，AI被广泛应用于乳房X光检查、断层合成技术以及风险预测模型，并且在磁共振成像和超声等辅助成像方法中发挥了重要作用。此外，在病理学方面，人工智能不仅能够协助进行精准的病理诊断，还可以用于生物标志物的评估，同时能预测与基因改变、治疗效果及患者预后相关的关键信息，为实现更加个性化的治疗方案提供了强有力的支持。图1展示了人工智能在乳腺癌诊断流程中的应用潜力，涵盖放射学和病理学领域的具体集成方式。

乳腺癌筛查中广泛采用二维乳腺X线摄影（2D MMG）作为标准手段。尽管如此，该方法在致密型乳腺人群中存在不足，可能导致癌症漏检。为弥补这些缺陷，研究人员探索了其他技术方案，例如双人阅片（double-reading）、三维乳腺X线摄影（DBT）以及计算机辅助检测（CAD）系统，以提高筛查的准确性和可靠性。这些新技术有望改善乳腺癌早期诊断的效果。计算机辅助检测（CAD）系统用于辅助放射科医生通过标识感兴趣区域来提升二维乳腺X光片中癌症检测的效果。不过，传统CAD系统存在缺陷，主要表现为特异性不足，从而产生较多假阳性结果，影响诊断准确性。人工智能与深度学习技术的进步，为优化CAD系统带来了契机。AI-CAD系统通过自我学习提取训练特征，区别于传统CAD。研究表明，AI-CAD系统在保持高特异性的同时提升癌症检出率，性能显著优于传统CAD系统。人工智能可融入二维乳房筛查流程，适用于多种场景。它既能作为独立系统替代人工读片，也可与AI-CAD或并发读片结合，用于正常病例分类。在确定人工智能的实现方式时，必须综合考量诸多因素以优化应用效果。

乳腺癌诊断、分期及术前评估中的应用研究乳腺癌的确诊需依靠组织病理学检查，然而病理诊断存在的差异可能影响诊断精度与治疗方案的选择。人工智能技术已应用于乳腺癌的检测与分类，可从组织切片中识别癌细胞，并将其归类为不同的亚型，辅助精准诊疗。人工智能可用于乳腺癌的组织学分级，比如预测有丝分裂计数，这是影响乳腺癌预后的重要指标，AI模型在精确计数有丝分裂方面已显示出潜力。人工智能在乳腺癌术前评估中作用显著，例如预测淋巴结转移情况，提升癌症评估准确性，助力制定合理治疗方案。人工智能在乳腺癌分期中用于评估淋巴结转移，尤其是前哨淋巴结。AI模型在自动检测淋巴结转移方面表现出色，其性能已超越病理学家，为诊断提供有力支持。人工智能在医疗领域的应用前景广阔，但实施过程充满挑战。其中，人工智能模型在实际临床环境中的验证是一大难题。此外，多数人工智能算法被视为黑盒，其内部识别特征往往不透明。为解决这一问题，可解释的人工智能算法应运而生。这种方法不仅能增强临床医生对技术的信任，还能提升决策过程的透明度，同时有效减少各类偏见的影响，从而推动人工智能在医疗行业的健康发展。