美國梅奧診所Vachon等報(bào)告，人工智能(AI)成像算法與乳腺密度相結(jié)合，可以獨(dú)立預(yù)測浸潤性乳腺癌的長期風(fēng)險(xiǎn)，特別是晚期癌癥。(J Clin Oncol. 2023年4月27日在線版)

AI算法改善了乳腺X線攝影檢查的乳腺癌情況，但對晚期和間隔期癌癥的長期風(fēng)險(xiǎn)預(yù)測的作用尚不清楚。

研究者從美國兩個(gè)乳腺X線攝影檢查隊(duì)列中確定了2412例浸潤性乳腺癌患者和4995名對照患者，這些患者在癌癥診斷前2~5.5年進(jìn)行了二維全視野數(shù)字乳腺X線攝影檢查，其年齡、種族和乳腺X線攝影檢查日期相匹配。

研究者評估了乳腺成像報(bào)告和數(shù)據(jù)系統(tǒng)分型的乳腺密度、AI惡性腫瘤評分(1~10分)和體積密度測量。該研究使用條件logistic回歸來估計(jì)比值比(OR)、95%CI(校正年齡和BMI)，C統(tǒng)計(jì)量(AUC)來描述AI評分與浸潤性癌癥的相關(guān)性及其對乳腺密度測量模型的貢獻(xiàn)。似然比檢驗(yàn)(LRT)和逐步分析法被用于比較模型的性能。

在患癌前2~5.5年的乳腺X線攝影檢查中，AI評分每增加一個(gè)單位，患浸潤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)，對間隔時(shí)間(OR=1.20，95%CI 1.13~1.27;AUC=0.63)、晚期癌癥(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)的預(yù)測相似。

AI評分改善了密度測量模型中所有癌癥類型的預(yù)測(PLRT值<0.001)，晚期癌的鑒別性有所提高(即密度體積的AUC從0.624增加到0.679，ΔAUC=0.065，P=0.01)，而間隔期癌癥的鑒別性無統(tǒng)計(jì)學(xué)意義。

(編譯 崔艷紅)