综述：人工智能在乳腺癌应用中从1988至2024年的全球图谱：一种机器学习方法

本综述系统梳理了1988–2024年间人工智能（AI）在乳腺癌筛查、诊断与治疗领域的研究进展，通过文献计量与主题建模（LDA）揭示研究趋势，指出深度学习与多组学整合成为热点，但外科AI应用仍待加强，强调需推进循证研究以规避医疗不平等。

　　

Abstract

Background

人工智能（AI）已逐步融入乳腺癌诊疗的多个环节，包括筛查、诊断与治疗。本研究旨在系统分析AI在乳腺癌全程管理中的应用，以阐明关键研究方向、新兴趋势与主流模式。

Methods

研究基于Web of Science数据库收录的1988–2024年英文论文，聚焦AI在乳腺癌领域的应用。通过合作网络分析与共现图谱评估国家间科研合作，采用潜在狄利克雷分布（Latent Dirichlet Allocation, LDA）进行主题聚类建模，并利用线性回归分析研究产出的时序变化。

Results

共纳入8711篇出版物。美国在AI应用于乳腺癌研究领域处于领先地位，其次为中国和印度。近年研究日益关注深度学习与机器学习（ML）在乳腺X线摄影和组织病理学中实现癌症自动检测。多组学数据与分子分型结合AI成为显著趋势。然而，机器人与ML技术在肿瘤外科和术后护理中的应用仍较为有限。总体而言，近五年来针对乳腺癌早期检测、诊断与分类的AI研究数量显著增长。

Conclusions

乳腺癌AI研究的迅速扩展凸显其潜在影响力，但仍面临重要挑战。持续开展严谨研究至关重要，以确保AI技术能为不同患者群体带来基于证据的益处，从而避免无意加剧现有的医疗不平等。