AI突破乳腺癌筛查难题：提高诊断准确率的影像组学技术

目前，乳腺癌筛查的主要方法包括乳腺X光检查（钼靶）、超声检查和磁共振成像（MRI）。然而，传统的乳腺X光检查虽然广泛应用，但仍存在假阳性和假阴性的风险，导致的误诊或漏诊是医生跟患者都无法接受的。为解决这一难题，研究人员提出利用AI通过机器学习和深度学习模型分析大量的医学影像数据，提高筛查的准确性，减少人为错误。

根据华南理工大学附属第二医院研究人员发布的《基于 MRI 的人工智能技术在乳腺癌新辅助治疗疗效评估中的应用与进展》文中所述，AI技术在乳腺癌筛查中，特别是在乳腺X光（钼靶）和MRI影像的分析中展现了强大的潜力。近年来，深度学习，特别是卷积神经网络（CNN），在医学影像分析中的应用取得了显著进展。这些技术通过自动从影像中提取特征，能够识别出人眼难以察觉的细微变化，从而提高诊断的准确性。例如，AI可以通过分析乳腺X光影像，自动识别肿瘤、钙化点等异常信号，帮助医生更快速地做出判断。

在MRI影像分析中，AI可以通过影像组学（Radiomics）技术，提取乳腺癌的多种特征，如肿瘤的形态、纹理、边缘等信息，并进一步分析肿瘤的异质性。这些信息可以帮助医生更好地评估肿瘤的生物学特性，从而实现早期精准诊断。例如，AI可以结合MRI增强图像中的血流动力学数据，识别肿瘤区域的微观变化，进一步提高肿瘤的分期和预测其对治疗的反应。【2】

多项临床研究已验证了AI在乳腺癌筛查中的应用效果。例如在基于MRI影像的试验中，研究人员利用深度学习模型对乳腺癌患者进行筛查，结果显示AI模型的准确性（AUC值）高于传统的影像分析方法。特别是在密集乳腺组织中，AI的表现优于传统X光检查。

此外，研究人员利用深度学习模型分析治疗前后的MRI影像，结合影像组学特征，成功预测了乳腺癌患者在新辅助治疗（NAT）后的疗效。研究结果表明，基于AI的预测模型在不同的分子亚型乳腺癌患者中展现了较高的准确性，特别是在三阴型乳腺癌和HER2阳性乳腺癌中，AI能够预测肿瘤是否完全缓解（pCR）以及是否有转移的风险。【3】

AI助力破解乳腺癌化疗耐药性与复发

乳腺癌在其治疗也面临诸多挑战，尤其是在化疗耐药性和复发问题上。乳腺癌的化疗耐药性不仅体现在癌细胞对药物的直接耐受，还包括癌症干细胞（Breast Cancer Stem Cells, BCSC）的作用，后者通常被认为是乳腺癌复发和转移的根源。化疗过程中，部分非BCSC细胞会转化为BCSC，进一步促进肿瘤复发和转移。

因此，BCSC的识别与抑制，对于提高乳腺癌的临床预后至关重要。因此，开发新的方法来识别和靶向这些干细胞特征，尤其是在化疗耐药性和肿瘤复发的背景下，已成为乳腺癌治疗研究的关键方向。

今年，山东大学吕海泉教授及其团队，联合山西医科大学等机构，采用机器学习技术在乳腺癌的治疗中取得了突破性进展。该研究结果以《Polyamine Anabolism Promotes Chemotherapy-Induced Breast Cancer Stem Cell Enrichment》为题，发表于国际著名期刊 Advanced Science上。根据论文描述，通过基于mRNA分析的方法，研究人员成功开发了用于评估乳腺癌干细胞特征的"BCSC signature"。这一新方法能够帮助临床医生精准识别癌症干细胞的特征，从而预测肿瘤的复发风险和化疗的耐药性。【4】通过大数据分析和机器学习算法，AI帮助研究团队发现化疗药物如何通过激活特定的分子途径（如HIF-1诱导的多胺合成代谢）促进BCSC的富集。例如，化疗药物如紫杉醇和吉西他滨等不仅能够增加BCSC的数量，还会改变与多胺代谢相关的基因表达。这一发现为进一步开发耐药性克服策略提供了基础。

这项技术突破不仅揭示了化疗耐药性背后复杂的分子机制，更通过"BCSC signature"这一精准评估工具，将癌症干细胞的动态监测变为可能。尽管彻底攻克乳腺癌复发转移仍任重道远，但这项研究无疑为个体化治疗方案的优化提供了关键路标--当人工智能开始解码癌症干细胞的生存密码，我们或许正站在改写乳腺癌治疗范式的新起点。

写在最后

从精准筛查到化疗耐药性的攻克，AI正在为乳腺癌的诊疗提供了全新的视角和手段。AI在这方面的突破显著提高了早期发现乳腺癌的准确率，为以后得个体化治疗奠定了基础。尽管挑战仍然存在，但随着技术的不断进步，我们有理由相信，未来AI将在乳腺癌领域发挥越来越重要的作用，帮助更多患者战胜癌症，迎来健康的明天。

参考资料

【1】郑荣寿，陈茹，韩冰峰，等．2022年中国恶性肿瘤流行情况分析［J］．中华肿瘤杂志，2024，46（3）：221-231．

【2】潘立文，唐文洁，郭媛. 基于 MRI 的人工智能技术在乳腺癌新辅助治疗疗效评估中的应用与进展[J]. 广州医药, 2024, 55(12): 1381-1388.

【3】周嘉音，尤超，王泽洲，等．基于MRI时空异质性模型预测三阴性乳腺癌病理完全缓解［J］．磁共振成像，2024，15（1）：28-34．

【4】Ji G, Liu J, Zhao Z, Lan J, Yang Y, Wang Z, Feng H, Ji K, Jiang X, Xia H, Wei G, Zhang Y, Zhang Y, Du X, Wang Y, Yang Y, Liu Z, Zhang K, Mei Q, Sun R, Lu H. Polyamine Anabolism Promotes Chemotherapy-Induced Breast Cancer Stem Cell Enrichment. Adv Sci (Weinh). 2024 Oct;11(40):e2404853. doi: 10.1002/advs.202404853. Epub 2024 Jul 26. PMID: 39058337; PMCID: PMC11516096.

打赏