乳腺癌已经超越肺癌成为世界第一大癌症,同时也是女性患者中致死率最高的恶性肿瘤.随着乳腺癌诊疗技术的不断进步,早期乳腺癌患者的5年生存率可达95％,因此,乳腺癌早期筛查、诊断和治疗是其良好预后的关键.机器学习是人工智能(AI)领域极其重要的分支,由于计算机硬件的不断提升、深度学习算法的持续进步及海量乳腺癌临床数据的累积,使得机器学习在乳腺癌早期筛查、诊断及预后判断等领域发挥重要作用.本综述对机器学习在乳腺癌诊断领域中的研究及应用现状进行总结,以期为乳腺癌AI诊断提供新的方向和思路.以"机器学习""深度学习""人工智能""乳腺癌诊断"为关键词,检索2016-01-01-2022-12-31 PubMed及中国知网相关文献.纳入标准:机器学习在乳腺癌X射线片诊断中的研究;机器学习在乳腺癌MRI诊断中的研究;机器学习在乳腺癌超声诊断中的研究;机器学习在乳腺癌病理诊断中的研究.排除标准:涉及乳腺癌AI诊断的著作、汇编及二次文献.最终纳入分析文献66篇.结果表明,机器学习在乳腺X射线片和乳腺超声领域的研究可以做到自动分割病灶、病灶特征的提取和分析,最终判别病灶的良恶性;而机器学习在乳腺MRI和乳腺病理诊断中的应用可以减轻临床医师的工作负担,提高诊断效率,还能最大限度的弱化临床医师诊断主观性和不稳定性.随
作者：卢峰；张开炯；吴立春；蒋叙川；冀承杰；刘靳波
来源：社区医学杂志 2023 年 21卷 24期
