据2018年国际癌症研究机构（IARC）调查的最新数据显示，乳腺癌在全球女性癌症中的发病率为24.2%，位居女性癌症的首位，其中52.9%发生在发展中国家。准确的风险评估对于乳腺癌人群筛查项目的成功至关重要。具有高度敏感性和特异性的模型将使项目能够针对高危人群进行更精细的筛查，同时尽量减少对其他人群的过度医疗。

基于人工智能 (AI) 的风险模型已获得证明，与目前临床实践中使用的风险模型相比，有了显著的进步。但是，新人工智能的负责任部署还需要在不同人群中进行仔细验证。为此，Adam Yala等研究人员在全球不同筛查人群中验证了其人工智能模型——Mirai。

研究人员收集了不同地区的筛查性乳腺X线照片和病理证实的乳腺癌结果，评估了Uno对Mirai的一致性指数，以预测乳腺X光检查后1至5年内的乳腺癌风险。

Mirai在部分测试集中选择高危队列时的受试者工作曲线

共收集了来自全球7个地点的62185位个体的128793张乳腺X线照片，其中3815位个体在后来的5年内被确诊乳腺癌。Mirai在7家医院获得的一致性指数分别是0.75 (95% CI, 0.72-0.78)、0.75 (95%CI, 0.70-0.80)、0.77 (95%CI, 0.75-0.79)、0.77 (95%CI, 0.73-0.81)、0.81 (95%CI, 0.79-0.82)、0.79 (95% CI, 0.76-0.83) 和 0.84 (95% CI, 0.81-0.88)。

总结，Mirai是一种基于乳腺X光检查的风险模型，它在全球5个国家的7家医院的各种测试集中均保持了较高的准确性。这是迄今为止对基于人工智能的乳腺癌模型最广泛的验证，表明该技术可以广泛地改善乳腺癌的诊疗。

原始出处：

Adam Yala, et al. Multi-Institutional Validation of a Mammography-Based Breast Cancer Risk Model. Journal of Clinical Oncology. November 12, 2021. https://ascopubs.org/doi/full/10.1200/JCO.21.01337