基于纵向乳腺X线筛查史的多时间点深度学习模型预测短期至长期乳腺癌风险

《npj Breast Cancer》：Predicting short- to long-term breast cancer risk from longitudinal mammographic screening history

本研究针对当前乳腺癌风险预测模型主要依赖单时间点检查、忽略乳腺组织时序变化的局限性，开发了多时间点乳腺癌风险模型（MTP-BCR）。该模型通过整合传统风险因素和纵向乳腺X线数据，在10年风险预测中达到AUC 0.80的优异表现，显著优于单时间点模型和传统风险模型。研究证实了利用纵向影像数据捕捉组织动态变化对提升乳腺癌风险预测精度的重要价值，为个性化筛查和预防策略提供了新思路。

　　

乳腺癌是全球女性最常见的恶性肿瘤之一，也是癌症相关死亡的主要原因。虽然基于年龄的人群筛查项目已被广泛实施，但传统筛查策略存在高成本、假阳性和过度诊断等问题。近年来，基于个体风险的"个性化"筛查方案受到重视，但现有风险预测模型主要依赖单时间点检查，无法捕捉乳腺组织随时间的动态变化，在长期风险预测方面表现有限。

荷兰癌症研究所等机构的研究团队在《npj Breast Cancer》发表了一项创新研究，开发了多时间点乳腺癌风险模型（MTP-BCR），该模型通过分析纵向乳腺X线筛查史中的组织变化特征，实现了从短期到长期的精准风险预测。研究团队基于91,333名女性的171,168张乳腺X线图像构建了大规模内部数据集，并利用公开的CSAW-CC数据集进行外部验证。

研究采用的关键技术方法包括：基于ImageNet预训练ResNet-18的图像特征提取器，用于从四个标准投照位（CC和MLO视图）中提取乳腺组织特征；多级别预测模块（单侧乳腺级别、检查级别和多时间点融合级别）；时序感知Transformer架构，用于整合最多5次历史检查的纵向数据；多任务学习策略，同时优化风险预测、肿瘤检测和临床特征预测等多个相关任务。研究还采用了梯度加权类激活映射（Grad-CAM）技术生成热图，增强模型的可解释性。

研究设计概述

研究收集了内部和公共纵向数据集，包含每位女性的回顾性筛查轨迹。MTP-BCR模型通过整合目标乳腺X线片和最多5次历史参考检查，捕捉与乳腺癌风险相关的静态特征和动态组织变化。模型设计模拟了放射科医生比较纵向检查的临床实践，能够同时评估原发性和复发性乳腺癌风险。

模型训练和评估数据集

内部数据集包含34,749次无癌女性检查和8,023例10年内确诊乳腺癌的病例检查。平均年龄分别为53.77±11.79岁和56.18±11.68岁， dense breasts（ACR 3和4）比例分别为35.68%和31.95%。数据集按患者级别划分为训练集、验证集和测试集，并设置了两个标准筛查队列（正常或活检阴性组、正常BI-RADS组）以及复发队列进行专门评估。

整个内部测试集的风险预测

MTP-BCR在10年风险预测中取得患者级别C-index 0.82（95% CI, 0.81-0.84）的优异表现，1年和10年AUC分别为0.91和0.80。在乳腺级别预测中表现相当（10年C-index 0.81）。消融实验显示，多任务、多级别和多时间点学习策略的联合使用显著提升模型性能。与传统BCSC风险模型相比，MTP-BCR在1年、5年和10年风险预测中均显著优于（P<0.001）。

外部CSAW-CC数据集的风险预测

在纯图像基础的公开数据集上，MTP-BCR获得C-index 0.74，显著优于单时间点基线方法（C-index 0.58）和STP-Transformer方法（C-index 0.69），证明了模型的泛化能力。

筛查人群的风险预测性能

在筛查队列1（正常或活检阴性组）中，MTP-BCR的1年风险预测AUC为0.77，显著优于BI-RADS评分（0.61）和STP-Detection方法（0.59）。在筛查队列2（正常BI-RADS组）中，模型在放射科医生未发现异常的情况下仍能有效识别风险，1年AUC达到0.74。风险分层分析显示，MTP-BCR能更好区分高危（90百分位以上）和低危（10百分位以下）人群。

复发队列的风险预测性能

在包含1,236名有乳腺癌病史患者的复发队列中，MTP-BCR在1-10年风险预测中显著优于传统复发风险模型（Baseline-Recurrence）。对侧复发风险预测的10年C-index为0.79，而同侧复发预测为0.69，表明肿瘤特征对同侧复发风险影响更大。

短期和长期未来乳腺癌风险评估能力

排除1年、3年和5年内确诊的检查后，MTP-BCR在5年和10年风险预测中仍保持0.72-0.73的AUC值，证明模型能够学习真实的长期风险特征，而非仅仅依赖短期癌症检测。

亚组分析

模型在不同年龄、乳腺密度、分子亚型和受体亚型亚组中表现一致，未发现不同乳腺X线设备类型带来的明显性能偏差。

纵向图像中模型注意力的一致性

Grad-CAM可视化显示，MTP-BCR在多个时间点检查中关注的风险相关区域相对一致，既依赖广泛的乳腺背景线索，又集中于肿瘤样模式附近的局部区域，结合了乳腺癌检测和未来风险预测任务的特点。

研究结论表明，MTP-BCR模型通过整合纵向乳腺X线检查和医疗记录，在短期至长期乳腺癌风险预测中均优于现有方法。模型创新性地捕捉了乳腺组织随时间的动态变化特征，为个性化筛查和预防策略提供了有力工具。多时间点分析方法有望取代单时间点基础的风险预测模型，在临床实践中实现更精准的风险适应性筛查方案。

模型的双级别风险评估能力（患者级别和乳腺级别）以及热图可视化功能，增强了其在临床实践中的可用性和可解释性。未来需要进一步验证模型在不同人群中的普适性，并评估热图在辅助放射科医生图像解读中的实际效用。

这项研究的重要意义在于首次系统证明了纵向乳腺X线影像中包含的未来乳腺癌风险信息价值，突破了传统单时间点模型的局限性，为乳腺癌风险预测领域提供了新的研究方向和技术框架。通过动态风险评估和个性化筛查策略的优化，有望在提高早期检出率的同时减少不必要的筛查负担，实现乳腺癌防治的精准化转型。