从像素到病理：AI乳腺X线风险评分如何通过影像捕捉肿瘤生物学

引言

乳腺癌仍然是全球女性癌症相关发病率和死亡率的主要原因之一[1]。通过筛查乳腺X线摄影进行早期发现可显著改善预后[2]；然而，传统的风险评估模型通常依赖于人口学和临床因素，预测准确性有限，无法捕捉乳腺X线图像中存在的复杂影像生物标志物。人工智能（AI）的进步为通过分析可能先于临床诊断的细微影像特征来增强乳腺癌风险预测提供了新的机遇[3, 4]。

近年来的AI模型在从筛查乳腺X线摄影估计乳腺癌风险方面表现出有前景的性能，通常优于传统临床风险模型[5]。虽然这些研究主要集中于影像检查时的风险评估，但很少有研究探讨既往筛查中AI预测的风险评分与活检确认结果之间的关系[6–8]。此外，AI生成的风险评估与临床-病理特征（如肿瘤分级和病理亚型）之间的关联仍知之甚少[9–11]。重要的是，AI系统的“黑箱”性质——即风险预测的底层理由不易解释——限制了临床信任和透明度，使得理解这些风险评分如何与已建立的生物学和临床特征相关联变得至关重要。

在这项多中心研究中，我们评估了既往年度筛查乳腺X线摄影中AI生成的风险评分与活检结果及乳腺癌特征之间的关联。我们还分析了与病理亚型、肿瘤分级和受体状态的关联，以识别与AI估计风险相关的临床和病理特征。通过探索嵌入影像数据中的潜在生物学相关性，我们的目标是为AI风险模型的行为提供见解，并提高这些工具的可解释性和信任度，特别是在“黑箱”风险预测AI模型的背景下。

方法

研究设计和患者选择

这项回顾性队列研究在美国一个多中心乳腺影像中心网络中对接受筛查乳腺X线摄影的患者进行。该研究经机构审查委员会批准，由于研究的回顾性性质，免除了知情同意要求。

通过PENRAD（版本7.2）放射学和病理学报告，识别了2021年1月1日至12月31日期间在我们中心接受活检的患者。还收集了人口学信息，包括年龄、 race/ethnicity、乳腺密度和病理报告（包括病理亚型和受体状态）。

纳入和排除标准

我们纳入了所有在筛查乳腺X线摄影中获得BI-RADS 0、随后在诊断性影像检查中获得BI-RADS 4或5后接受活检的患者。如果患者在我们其中一个中心接受了活检，并完成了连续两年的筛查乳腺X线摄影，即乳腺癌诊断前一年的筛查乳腺X线摄影和2021年导致诊断的另一次筛查乳腺X线摄影，则符合纳入条件。

排除前一年未进行筛查乳腺X线摄影的患者、接受诊断性而非筛查性乳腺X线摄影的患者，以及未经病理确认活检的患者。

AI风险评分和病例评分

AI预测的风险评分使用市售的ProFound AI® Risk软件（iCAD， Inc.）得出，该软件是美国食品药品监督管理局（FDA）批准的基于深度学习的算法，设计用于从筛查性乳腺X线摄影中评估乳腺癌风险。ProFound AI系统分析标准数字乳腺X线摄影图像，基于年龄、乳腺密度和细微的乳腺X线摄影特征，量化个体被诊断为乳腺癌的短期风险[12]。风险评分是患者相对于整个女性人群的乳腺癌风险连续数值估计，以百分比表示。因此，风险评分理论上范围为0至100，尽管实际中分布高度偏向较低值。这些基于百分比的数值风险评分被分层为低、一般、中等和高风险类别，供应商设定的阈值如低风险< 0.12和高风险> 0.60，尽管类别可能根据当地情况校准[13]。该模型此前已在短期风险预测方面得到验证，并在多个大规模队列中证明其区分能力优于传统风险模型[12, 14]。在本研究中，我们从每位患者前一年的筛查性乳腺X线摄影中提取AI风险评分。此外，对于2021年诊断为乳腺癌的患者，还提取了2年前筛查性乳腺X线摄影的AI风险评分。所有风险评分均作为标准临床工作流程的一部分生成，并导出用于回顾性分析。

此外，AI病例评分使用ProFound Detection 3.0版（iCAD Inc.）获得，该软件是FDA批准的配套算法，开发用于乳腺癌检测。该算法评估所有标准和补充乳腺X线摄影视图[15]。它给出0至100的病例评分，代表算法对存在恶性肿瘤的置信度；评分越高反映怀疑程度越大。对于2021年诊断为乳腺癌的患者，筛查病例评分从诊断当年以及诊断前1年和2年电子检索。

乳腺密度的分类

乳腺密度使用乳腺影像报告和数据系统（BI-RADS）标准[16]评估，如最近一次筛查性乳腺X线摄影的放射学报告中所记录。为分析目的，乳腺密度分为两组：非致密（包括分类为几乎完全脂肪型或含有散在纤维腺体密度区域的乳腺）和致密（包括不均匀致密型和极度致密型乳腺）。

病理亚型的分类

病理分类基于PENRAD对活检结果的查询确定。乳腺癌病理分类为导管原位癌（DCIS）、浸润性导管癌（IDC）、浸润性小叶癌（ILC）和其他浸润性癌（包括黏液癌、乳头状癌和髓样癌）。对于多次乳腺癌诊断的患者，手动审查病例以确保在分析中浸润性恶性肿瘤优先于原位发现。没有病例在活检中同时包括IDC和ILC。此外，活检中偶然识别的非乳腺恶性肿瘤被排除在研究之外。

受体状态的分类

受体状态基于免疫组织化学（IHC）检测确定。根据美国临床肿瘤学会/美国病理学家学会（ASCO/CAP）指南[17]，雌激素受体（ER）和孕激素受体（PR）阳性定义为≥ 1%核染色，人表皮生长因子受体2（HER2）阳性定义为IHC染色强度为3+或经荧光原位杂交（FISH）确认的扩增。根据受体状态将浸润性乳腺癌分为四个临床相关组[18]：（1）激素受体（HR）阳性/HER2阴性（Luminal A型）：ER和/或PR阳性，HER2阴性；（2）HR阳性/HER2阳性（Luminal B HER2+型）：ER和/或PR阳性，HER2阳性；（3）HR阴性/HER2阳性（HER2富集型）：ER和PR阴性，HER2阳性；（4）三阴性乳腺癌（TNBC）：ER、PR和HER2均阴性。

导管原位癌（DCIS）病例根据激素受体[19]（ER和/或PR）状态单独报告为：1. DCIS HR阳性（ER和/或PR阳性）；或2. DCIS HR阴性（ER和PR阴性）。按照标准临床实践，DCIS病例不常规进行HER2检测，因此未纳入DCIS亚组分类。受体信息不完整或不可获得的病例归类为“未知”。

统计分析

采用描述性统计分析总结数据：连续变量以均值 ± 标准差报告，分类变量以频数和百分比报告。采用Shapiro–Wilk检验评估连续变量的正态性。由于AI风险评分和病例评分不服从正态分布（p < 0.001），在适当情况下采用非参数方法。

组间统计比较根据变量类型和分布采用相应的检验方法。对于连续变量，当数据服从正态分布时，采用独立样本t检验比较组间均值。对于非正态分布的连续变量，采用Mann–Whitney U检验比较中位数。对于分类变量，采用卡方（χ²）独立性检验评估组间分布差异。

由于既往年度风险评分的分布呈右偏且包含零值，我们在所有回归模型中对所有评分加上一个小常数（1 × 10⁻⁶）后进行自然对数（ln）变换。

我们采用受试者工作特征（ROC）分析评估AI衍生的既往年度筛查乳腺X线摄影风险评分对乳腺癌诊断的判别性能。计算ROC曲线下面积（AUC）及其95%置信区间（CI）以量化判别能力。为估计AUC的95% CI，我们采用DeLong方法，这是一种常用于比较相关ROC曲线并生成稳健CI估计的非参数方法。

在活检确诊乳腺癌的患者中，我们采用线性回归评估临床和病理特征与上一年度筛查乳腺X线摄影生成的AI风险评分之间的关联。首先对年龄、种族、乳腺密度、癌症中心位置、病理亚型、受体状态和肿瘤分级进行单变量线性回归。随后将单变量分析中p < 0.05的变量纳入多变量线性回归模型以校正混杂效应。所有活检确诊乳腺癌的患者均纳入多变量线性回归。为尽量减少数据丢失，病理详细信息（如受体类型或分级）缺失的患者被归类为“未知”并保留在模型中。回归结果以β系数及95%置信区间和p值报告。

二次分析

为进一步评估与上一年度筛查乳腺X线摄影高AI风险评分相关的临床和病理特征，我们基于厂商定义的切点采用> 0.60的二分类阈值来定义高风险组。患者被分为高风险组（AI风险评分> 0.60）和较低风险组（AI风险评分≤ 0.60）。

双侧p < 0.05被认为具有统计学意义。所有统计分析均使用STATA 17.0版本完成。

结果

上一年度AI风险评分与乳腺癌诊断之间的关联

本研究共纳入1509例患者，这些患者于2021年接受了活检，且在上一年度于德克萨斯州、北卡罗来纳州、俄亥俄州和亚利桑那州的乳腺影像中心接受过筛查乳腺X线摄影。其中，508例（33.7%）经活检确诊为乳腺癌，1001例（66.3%）为良性发现。如表1所示，癌症组年龄显著更大，平均年龄为66.75 ± 11.06岁，而良性组为56.38 ± 11.81岁（p < 0.001）。癌症组的上一年度AI风险评分（均值0.68 ± 0.54，中位数0.57）显著高于良性组（均值0.48 ± 0.48，中位数0.30）（p < 0.001）。在上一年度AI风险评分> 0.60的患者中，近半数（47.0%）被诊断为乳腺癌，显著高于较低风险组的患者（30.1%）（p < 0.001）。

ROC分析表明，AI生成的上一年度风险评分对活检确诊癌症与非癌症病例具有中等区分能力。AUC为0.62（95% CI：0.59–0.65）。

上一年度AI风险评分与临床和病理特征之间的关联

在508例活检确诊乳腺癌的患者中，种族和民族分布包括390例白人（76.8%）、54例黑人（10.6%）、30例西班牙裔（5.9%）和34例（6.7%）被归类为其他或未知，如表2所示。诊断时的平均（± SD）AI风险评分为1.08 ± 0.52（中位数1.21），1年前为0.68 ± 0.54（中位数0.57），2年前为0.58 ± 0.48（中位数0.41）（n = 390）。

关于乳腺密度，317例（62.4%）为非致密型，191例（37.6%）为致密型。如表3所示，致密组的平均AI风险评分为0.69 ± 0.60，显著高于非致密组的0.68 ± 0.50（p = 0.047）。

在508例患者中，317例（62.4%）为非致密型乳腺，191例（37.6%）为致密型乳腺。如表3所示，致密型组的平均AI风险评分（0.69 ± 0.60）显著高于非致密型组（0.68 ± 0.50）（p = 0.047）。

病理方面，171例（33.7%）诊断为导管原位癌（DCIS），289例（56.9%）为浸润性导管癌（IDC），31例（6.1%）为浸润性小叶癌（ILC），17例（3.3%）为其他浸润性癌。如图1所示，ILC与显著更高的风险评分相关（0.90 ± 0.46）（p = 0.009），其次为IDC（0.69 ± 0.54）、DCIS（0.66 ± 0.56）和其他浸润性癌（0.48 ± 0.47）。

最常见的受体亚型为激素受体（HR）阳性/人表皮生长因子受体2（HER2）阴性（222例，43.7%），其次为DCIS HR阳性（125例，24.6%）。如图2所示，HR阴性/HER2阳性癌的平均AI风险评分最高（1.09 ± 0.60），其次为HR阳性/HER2阴性（0.72 ± 0.52）。然而，这些差异未达到统计学显著性，可能由于样本量较小（表3）。

此外，如前一年AI风险评分在1级肿瘤中最高（0.73 ± 0.51），其次为2级（0.70 ± 0.54），3级肿瘤最低（0.62 ± 0.59），如图3所示。

在活检确诊癌症的患者中，进行了单因素线性回归分析，以评估临床和病理特征与前一年AI风险评分之间的关联。正如预期，年龄和乳腺密度与前一年AI风险评分升高显著相关。此外，与DCIS相比，ILC与显著更高的风险评分相关（β = 0.774，95% CI：0.192–1.355，p = 0.009），与1级肿瘤相比，3级肿瘤与显著更低的评分相关（β = −0.506，95% CI：−0.917至−0.095，p = 0.016），如表3所示。

二次分析

我们进一步比较了508例活检确诊乳腺癌患者中高风险组（AI风险评分 > 0.60）和较低风险组（≤ 0.60）之间的临床和病理特征。共239例（47.0%）位于高风险组，269例（53.0%）位于较低风险组。如补充表所示，两组间病理亚型分布差异显著（p = 0.007）：ILC在高风险组中更常见（71.0%），而DCIS在较低风险组中更常见（56.7%）。年龄、乳腺密度、受体类型和肿瘤分级的趋势与连续风险评分分析的结果一致。

多因素线性回归

如表4所示，研究建立了两个多变量线性回归模型，以检验508例经活检确诊乳腺癌患者中AI风险评分的独立预测因素。在第一个模型中，校正年龄、乳腺密度和病理亚型后，与导管原位癌（DCIS）相比，浸润性小叶癌（ILC）显示出风险评分更高的趋势，但未达到统计学显著性（β = 0.476，p = 0.075）。在第二个模型中，额外校正肿瘤分级后，ILC与风险评分之间的关联进一步减弱，不再具有统计学显著性（β = 0.407，p = 0.136）。这提示肿瘤分级可能部分介导了ILC与AI预测风险评分升高之间的关系。值得注意的是，与1级肿瘤相比，3级肿瘤与更高的AI风险评分呈边缘显著关联（β = 0.476，p = 0.068），表明肿瘤分级可能影响AI模型评估恶性风险的方式。

表4中进一步的描述性分析支持了这一可能性。ILC患者是所有病理组中年龄最大的（平均年龄69.8 ± 9.4岁），而DCIS患者较年轻（64.9 ± 10.6岁）。同样，致密型乳腺患者显著年轻于非致密型乳腺患者（62.8 ± 11.1岁 vs 69.1 ± 10.3岁），反映了已知的年龄与乳腺密度之间的负相关关系。不同亚型间的分级分布也存在差异。在31例ILC病例中，8例（25.8%）为1级，23例（74.2%）为2级，无一例分类为3级。ILC中缺乏高级别肿瘤可能解释了校正肿瘤分级后ILC与风险评分关联的减弱（表5）。

讨论

我们的研究发现，与活检阴性患者相比，经活检确诊癌症患者的既往年度筛查乳腺X线摄影所生成的AI风险评分显著更高。基于AI的风险评估已被证明能够分析传统模型可能无法识别的复杂影像生物标志物[3, 5, 10, 20]。诸如Mirai等AI模型已在国际人群中显示出对5年风险的显著更优区分能力，超越了乳腺癌监测联盟（BCSC）和Tyrer-Cuzick等成熟工具[10, 20–22]。然而，尽管其应用日益广泛，AI预测风险评分的生物学相关性仍未得到充分探索。

我们的研究为筛查乳腺X线摄影所生成的AI风险评分如何在多中心队列中反映 underlying 肿瘤生物学提供了见解。在单变量回归中，与DCIS患者相比，ILC患者的AI风险评分显著更高。然而，在校正肿瘤分级和年龄后的多变量模型中，这一关联减弱并失去统计学显著性。值得注意的是，我们队列中大多数ILC病例为低级别（1–2级），与该亚型的惰性本质一致[23–25]，表明肿瘤分级可能介导了小叶组织学与AI预测风险之间的关系。这些发现支持AI模型对肿瘤分化的影像学相关特征具有敏感性的可能性[23, 24]。

此外，在调整年龄后，ILC与较高AI风险评分之间最初显著的关联被减弱。这种减弱可能反映了混杂因素，因为在我们的队列中，ILC更常见于老年女性。这一趋势与既往文献一致，既往文献显示，由于其激素敏感性生物学特征和独特的肿瘤演化途径，ILC倾向于发生于年龄较大的绝经后女性[26, 27]。这些发现强调了解读AI风险评分的复杂性，并提示该模型能够捕捉反映肿瘤生物学和患者人口学特征的重叠影像信号。

我们分析的另一项发现是观察到AI风险评分随肿瘤分级升高呈下降趋势。一致的方向性和接近显著的p值提示肿瘤分级与AI预测风险之间可能存在负相关关系。较低分级的肿瘤由于生长较慢且更为惰性，可能更容易被AI模型通过细微的纹理和成分影像特征识别。Gastounioti等和Zhang等既往研究表明，AI系统能够检测与肿瘤生物学和分子亚型相关的实质和影像组学特征[28, 29]。这提出了基于影像预测生物学风险以支持个体化乳腺癌筛查的有前景的可能性。

此外，在我们的数据集中，HR阴性/HER2阳性肿瘤患者的AI风险评分最高。然而，仅3例患者为HR阴性/HER2阳性肿瘤，且该关联未达到统计学显著性。鉴于HR阴性/HER2阳性肿瘤的侵袭性本质和影像表型，这一发现具有生物学合理性[29–31]。既往影像组学研究显示，AI提取的影像特征与受体状态、肿瘤分级和分子亚型相关[29, 30, 32, 33]。我们研究中的这一趋势与文献一致，提示在更大样本中可能会出现统计学稳健的关联。

我们的结果还提示，AI算法可能检测到与年龄相关的影像特征，如实质退化和成分变化，而这些特征未被传统密度分类完全捕捉。既往研究已证明衰老与乳腺实质的结构变化相关[28, 34, 35]。Gastounioti等和Acciavatti等进一步强调了实质纹理、组织成分和影像组学特征在基于影像的风险预测中的重要性，其中许多特征随年龄演变[28, 35]。总体而言，这些发现支持AI能够识别和量化有意义的衰老影像生物标志物这一观点[9, 34]。

本研究存在若干局限性。首先，回顾性设计限制了我们推断因果关系的能力。此外，AUC是使用接受活检且结果发现为癌症阴性的BI-RADS 4–5 findings患者作为对照组计算的。因此，癌症与非癌症病例之间的影像学对比可能较细微，这可能导致了较低的AUC，并很可能低估了模型在一般筛查人群中的性能。其次，某些亚组的样本量相对较小，例如HR阴性/HER2阳性肿瘤患者，这可能降低了我们检测显著关联的统计效能，尤其是在评估肿瘤生物学作用时。第三，对于活检阴性组，仅收集了年龄、前一年AI生成的风险评分和病例评分。这反映了我们研究的主要重点，即评估前一年AI衍生风险评分与乳腺癌临床和病理特征之间的关联。第四，间隔期癌症和前一年BI-RADS评估的数据不可用，这可能限制了我们全面评估AI风险评分纵向性能的能力。第五，未进行多重比较校正，这可能增加假阳性关联的风险。第六，肿瘤亚型和分级存在缺失数据。这些患者被归类为“未知”并纳入多变量回归分析。最后，尽管我们的数据集包括来自美国四个州乳腺影像中心的患者，并未发现AI风险评分在不同种族组之间存在显著差异，但约四分之三的参与者为白人，限制了我们的研究结果对更多样化人群的普适性。既往研究强调了通过在人口学多样化人群中验证算法来确保AI公平性和 equitable 性能的重要性[36, 37]。因此，在更大规模、前瞻性和人口学多样化的队列中进行验证对于确认这些关联的稳健性是必要的。

总之，在我们的多中心回顾性队列中，来自前一年筛查乳腺X线摄影的AI生成风险评分在区分恶性和非恶性活检结果方面表现出中等能力。在乳腺癌患者中，单变量分析显示ILC的前一年AI风险评分显著高于DCIS，Grade 3肿瘤的评分显著低于Grade 1。然而，在调整肿瘤分级后，ILC与较高风险评分之间的关联不再显著，提示肿瘤分级可能介导了这一关系。Grade 3肿瘤与较低风险评分表现出边缘性关联。这些发现提示，AI风险模型可能在临床检测前1年检测到提示低级别乳腺癌的细微影像学模式。理解这些关联增强了我们对AI风险模型如何运作的洞察，并改善了其对临床医生的可解释性。然而，未来研究对于评估此类模型的临床效用是必要的，包括它们是否改善侵袭性疾病的早期检测或影响临床结局，如治疗强度、预后或生存。

补充信息

补充信息