哥本哈根大學的一項新研究表明，人工智慧 (AI) 可以徹底改變我們評估乳癌風險的方式。乳癌是全世界最常見的癌症之一。光是在美國，每年就有 287,850 例新病例和 43,250 例死亡。這項發表在《刺胳針數位健康》上的新研究提出了基於人工智慧模型的有希望的結果，這些模型經過訓練可以檢測細胞衰老，並且可以比目前的臨床基準更有效地預測未來乳癌的風險。

首先是基礎知識－什麼是細胞老化？這是受損或老化細胞停止分裂但保持活躍的過程。它通常與衰老相關疾病有關，包括癌症。這些“衰老”細胞有時被稱為“殭屍細胞”，因為它們不再正常運作，但仍然發出發炎信號，這可能導致腫瘤生長。雖然老化可以作為不受控制的細胞分裂的自然煞車，但矛盾的是，它也可以透過這些發炎訊號促進癌症，稱為老化相關分泌表型（SASP）。

到目前為止，由於缺乏特定的生物標記物，測量人體組織的衰老一直很困難。然而，哥本哈根大學的研究使用深度學習人工智慧來分析乳腺組織樣本中的核形態（細胞核的形狀）。其作用是，它可以根據老化細胞的變化（甚至是健康的活檢樣本）來預測乳癌風險。

研究人員利用 4,382 名健康女性的乳房組織活檢進行了一項回顧性隊列研究。使用稱為核衰老預測器 (NUSP) 的深度學習工具對這些樣本進行了分析。 AI 模型檢查了各種組織類型中超過 3200 萬個細胞核，以檢測衰老細胞並確定它們在組織內的分佈。透過仔細評估上皮、脂肪和基質組織中的這些老化細胞，人工智慧系統能夠將老化模式與未來的癌症風險聯繫起來。作為參考，上皮組織形成體內腺體和表面的內層，包括乳腺導管，癌症經常從這裡開始。脂肪組織由儲存能量的脂肪細胞組成，基質組織為器官提供結構支持，包括包圍和支持上皮細胞的結締組織。

整體結果更多而不僅僅是有希望。組織樣本顯示特定老化模式的女性罹患乳癌的可能性較高或較低，具體取決於檢測到的老化類型。例如，一種模型（針對 DNA 損傷引起的衰老進行訓練）表明，當組織中存在高水平的衰老細胞時，癌症風險較高。另一個模型（經過藥物誘導老化訓練）顯示具有保護作用，降低了相同的風險。

與目前預測乳癌風險的臨床黃金標準 Gail 模型相比，AI 模型表現出了遠超預期的準確性。與蓋爾評分結合時，人工智慧模型將優勢比（衡量某些風險因素預測結果的強度的指標）提高到 4.70，幾乎是蓋爾評分單獨預測能力的五倍。

這項突破如果商業化，可以為臨床醫生提供一種更精細的方法來識別高風險個體並提供急需的干預措施。在乳癌發生前幾年預測乳癌風險的能力可能會導致更早的診斷和更個人化的篩檢計劃，減少對低風險女性的不必要測試，並增加對高風險個體的監測。

人工智慧在這裡潛力巨大，尤其是在推動癌症診斷方面。儘管該技術仍在開發中（並且將持續相當長的時間），但其應用可能會徹底改變乳癌篩檢。透過使用標準組織樣本，這種人工智慧方法可以在全球範圍內部署。

雖然需要大量額外的研究來完善上述模型，但改進的風險預測可能會導致更早的癌症檢測、更有效的治療計劃，並最終降低乳癌的死亡率。這是每個人都可以支援的人工智慧的現實應用。