新的开创性人工智能深度学习模型在预测乳腺癌风险方面比传统模型高出近五倍

哥本哈根大学的一项新研究表明的一项新研究表明 人工智能(AI）可以极大地改变我们评估乳腺癌风险的方式。乳腺癌是全球最常见的癌症之一。仅在美国，每年就有287850例新发病例和43250例死亡病例。这项新研究发表在《柳叶刀数字健康》杂志上。的新研究表明，基于人工智能模型的结果很有希望，这些模型经过训练可以检测细胞衰老，并能比目前的临床基准更有效地预测未来患乳腺癌的风险。

首先是基础知识--什么是细胞衰老？细胞衰老是指受损或衰老的细胞停止分裂但仍保持活性的过程。它通常与衰老相关的疾病（包括癌症）有关。这些 "衰老 "细胞有时被描述为 "僵尸细胞"，因为它们不再正常运作，但仍会发出炎症信号--这可能会导致肿瘤生长。虽然衰老可以对不受控制的细胞分裂起到自然制动的作用，但矛盾的是，它也可以通过这些炎症信号（即衰老相关分泌表型（SASP））促进癌症的发生。

迄今为止，由于缺乏特异性生物标志物，测量人体组织中的衰老一直很困难。然而，哥本哈根大学的这项研究利用 深度学习人工智能分析乳腺组织样本中的核形态--细胞核的形状。这样就可以根据衰老细胞的变化预测乳腺癌风险，即使是健康的活检样本也不例外。

研究人员利用 4382 名健康女性的乳腺组织活检样本进行了一项回顾性队列研究。研究人员使用一种名为 "核衰老预测器"（NUSP）的深度学习工具对这些样本进行了分析。该人工智能模型检查了各种组织类型的3200多万个细胞核，以检测衰老细胞并确定它们在组织中的分布。通过仔细评估上皮组织、脂肪组织和基质组织中的衰老细胞，人工智能系统能够将衰老模式与未来的癌症风险联系起来。作为参考，上皮组织构成人体腺体和表面的衬里，包括乳腺导管，癌症往往就是从这里开始的。脂肪组织由储存能量的脂肪细胞组成，基质组织为器官提供结构支持，包括环绕和支持上皮细胞的结缔组织。

总体结果不仅令人鼓舞。根据检测到的衰老类型，其组织样本显示出特定衰老模式的女性患乳腺癌的可能性有高有低。例如，一个模型（针对 DNA 损伤引起的衰老进行训练）显示，当组织中存在大量衰老细胞时，患癌风险较高。另一个模型（根据药物诱导的衰老进行训练）则显示出保护作用，降低了相同的风险。

与Gail 模型相比-相比，人工智能模型的准确性要高得多。当与盖尔评分相结合时，人工智能模型将几率比（衡量某些风险因素对结果的预测力度）提高到了4.70，几乎是盖尔评分单独预测能力的五倍。

这一突破如果实现商业化，将为临床医生提供一种更精细的方法来识别高危人群，并提供急需的干预措施。在乳腺癌发病前几年预测乳腺癌风险的能力可能会导致更早的诊断和更个性化的筛查计划，减少对低风险妇女不必要的检查，增加对高风险人群的监控。

人工智能的潜力 人工智能的潜力是巨大的，尤其是在推进癌症诊断方面。尽管这项技术仍处于开发阶段（并将持续相当长的时间），但它的应用将彻底改变乳腺癌筛查。通过使用标准组织样本，这种人工智能方法可以在全球范围内部署。

虽然还需要大量的研究来完善上述模型，但风险预测的改进可以让人们更早地发现癌症，制定更有效的治疗计划，最终降低乳腺癌的死亡率。这是每个人都可以支持的人工智能在现实世界中的应用。