获1500万美元资助！加州大学戴维斯分校开发乳腺癌风险预测AI模型

早筛网讯：近日，加州大学戴维斯分校获得国家癌症研究所（NCI）为期5年共计1500万美元的补助金。该高校团队将利用其来加速研发AI模型以提高乳腺癌筛查和复发监测准确率，促进乳腺癌筛查和监测公平的实现。

目前，尽管乳腺癌诊疗已经取得巨大进展，但乳腺癌仍然是美国女性癌症死亡的第二大原因，全球发病率第一大癌症，也是中国女性癌症发病率最高的癌症。美国乳腺癌诊断、乳腺癌复发率以及乳腺癌死亡率都不同程度地存在种族和族裔差异。

“我们正在研究人工智能算法能否改善癌症检测水平，特别是那些边缘社区的女性，她们无法接触到经验丰富的乳腺癌成像专家。”加州大学戴维斯分校教授兼生物统计学系主任、加州大学戴维斯综合癌症中心研究员戴安娜·米格里奥雷蒂说。

乳腺癌早筛早诊有利于及时治疗进而延长患者生命质量，部分女性尽管有定期筛查的习惯，但她们仍被确诊为乳腺癌晚期。这些女性可能需要提高筛查频率或使用更为准确的筛查方法。

米格里奥雷蒂表示，“美国预防服务工作组建议每两年进行一次乳腺癌筛查，这对于大多数女性来说已经足够。但是一些女性可以从每年一次的筛查或者补充成像中受益。不过，我们需要非常小心额外检查对女性的影响。” 定期筛查或补充成像（如超声和MRI）可能存在假阳性结果和过度诊断的潜在危害。

据悉，1500万美元资助将被用于米格里奥蕾蒂领导的研究项目，评估乳房成像质量的改善和定期筛查能否为女性带来 “健康公平”。

2011年起，米格里奥雷蒂团队开始进行“更安全的个性化乳腺癌筛查方法”的相关研究。该团队根据患者年龄和乳腺密度完成乳腺癌风险模型优化，目前研究人员正在寻求整合成像特征（如钙化）和AI算法，使其更好地预测女性罹患乳腺癌风险，筛选需要接受更严格筛查或监测的女性。

米格里奥雷蒂说，得益于此次补助金的发放，人工智能技术将被应用到风险模型中，用于识别接受定期筛查但仍罹患晚期乳腺癌风险较高的女性，或乳腺钼靶检查遗漏的“二次癌症”风险女性。

1500万美元补助金将用于三个新的研究项目：建立更加公平的乳腺癌风险模型，利用AI提高晚期乳腺癌风险预测水平，以及建立减少乳腺癌复发监测失效的模型。

项目1：建立更加公平的乳腺癌风险模型

项目2：利用AI提高晚期乳腺癌风险预测水平

该项目将探讨使用AI检测评分和其他干预措施（如移动乳房钼靶检查）是否可以减少检测结果差异，更注重健康公平的实现。

米格里奥雷蒂说，“我们正在研究人工智能算法改善癌症检测水平的潜力，尤其是对于边缘社区的女性，她们可能无法接触到经验丰富的乳腺成像专家。她们的乳房X光照片通常由普通放射科医生阅片。”

“我们预计该项目将通过AI 提高晚期乳腺癌风险预测水平。这有助于制定更加公平的筛查策略，使筛查利益最大化，危害最小化。” 加州大学旧金山分校医学、流行病学和生物统计学教授、项目联合负责人卡拉·凯利考斯基表示。

项目3：减少乳腺癌复发监测失效

接受乳腺癌治疗的女性通常需要接受复发监测，被要求每年参加一次乳腺钼靶检查。若两次检查周期之间出现乳腺癌症状，则被视为复发监测失效。

该项目旨在寻求研发一种模型识别复发监测失效风险较高的女性，以及潜在的因素和预防方法。

米格里奥雷蒂表示，该项目将根据女性的癌症初始阶段特征、年龄和乳腺密度等个人因素进行分析，评估其乳腺癌复发被乳腺钼靶检查遗漏的可能性。该研究将帮助其确定从MRI等强化筛查中受益的人群。

此外，该研究项目利用乳腺癌监测联盟（BCSC）数据库提高乳腺癌筛查和复发监测水平，促进实现乳腺癌筛查公平。BCSC是基于地理和社会人口学的全国性社区数据，多年来被用于评估不同筛查方法的利弊。

CISNET是由国家癌症研究所（NCI）赞助的研究组织，其通过建模来了解癌症干预措施对预防、筛查和治疗的影响。“我们将利用强大的BCSC数据库并与CISNET合作，基于大规模人口建模预测把筛查纳入临床护理对死亡率的长期影响。”该研究项目共同负责人安娜·托斯特森说。

-end-