据世界卫生组织公布的数据显示，2020年全球乳腺癌新发病例达226万，首度超过肺癌，成为全球发病率第一的癌症。早期乳腺癌的5年生存率可达99%，而晚期乳腺癌的5年生存率仅为30%，因此乳腺癌的早期筛查和准确诊断至关重要。

然而，目前乳腺癌影像的临床诊断仍然面临许多挑战。例如，乳腺影像本身存在许多伪影，成像质量较差，增加了医生阅片诊断的难度；乳腺癌的发病率逐年增加，而培养一名优秀的乳腺科医生却可能需要超过10年的时间，乳腺科医生资源十分稀缺，临床任务较重；同时，乳腺癌患者经常容易存在心理和情感压力，不利后续诊疗。

为了应对这些挑战，医疗领域一直在研究和发展更先进的影像技术，以提高早期诊断的准确性。同时，多模态影像和乳腺AI人工智能辅助诊断技术也有望改善乳腺癌影像诊断的效能。

近年来，人工智能技术已在图像去噪、图像生成、病灶分割、诊断等任务上取得了前所未有的成果。目前已经有许多研究成果探索了乳腺AI人工智能方面的应用，大大改善了临床医生的诊断效率。

2023年10月，Seminars in Cancer Biology杂志(IF 14.5)在线发表了联影智能与上海科技大学合作完成的综述文章"Recent advancements in artificial intelligence for breast cancer:Image augmentation,segmentation,diagnosis,and prognosis approaches"。文章总结了232篇前沿研究成果，重点介绍了乳腺AI人工智能在乳腺图像生成、病灶检测与分割、肿瘤诊断和预后等全流程辅助系统方面的最新进展。

文章总结了一些最广泛使用的成像方式，包括数字乳房X光摄影(DM)、数字乳房断层摄影(DBT)、超声(US)、磁共振成像(MRI)、核医学技术以及组织病理学(HP)。随着乳腺癌成像方式的丰富发展，医学专业人员可依托更多方式准确评估乳腺癌，以提供最适用于患者病情的治疗方案。

此外，综述文章还总结了多种乳腺癌诊断方式，包括：BI-RADS评级、分子亚型分类、肿瘤分期和组织学分级等。为确保乳腺癌患者获得最佳预后，作者也指出应综合考虑放射学数据、病理数据、基因组、表观基因组、转录组、蛋白质组、代谢组等多层信息，为患者量身定制治疗方案。而人工智能技术则可用于整合多组学数据，以帮助精确预测癌症预后。

而在多种乳腺检查影像模态中，动态增强核磁共振检查(DCE-MRI)因能同时显示乳腺肿瘤的生理组织特征与解剖结构，对乳腺肿瘤的敏感性最高，是乳腺癌高危女性筛查、术前分期和治疗监控的重要检查手段。

值得一提的是，《细胞》(Cell)杂志子刊《细胞·模式》(Patterns,Cell Press)此前也在线发表了联影智能与上海科技大学、广东省人民医院、云南省肿瘤医院、杭州市第一人民医院、上海市第一人民医院、中南大学湘雅二医院、贵州省人民医院、上海瑞金医院合作完成的“人工智能赋能乳腺肿瘤分割”科研成果"A robust and efficient AI assistant for breast tumor segmentation from DCE-MRI via a spatial-temporal framework"。该文章提出了一种强大而高效的基于时空框架的DCE-MRI乳腺肿瘤智能分割助手，在准确率与放射科医生相当的情况下，其分割速度比医生快20倍以上。

目前，人工智能技术已经被开发用于临床工作流。以联影智能乳腺AI人工智能辅助诊断系统为例，系统支持乳腺X线及乳腺断层影像，提供多种快捷挂片方式，便于医生阅片。系统可自动评估乳腺腺体分型，精准检出肿块、钙化、结构扭曲、不对称等可疑病灶，提供病灶所在乳房象限定位，自动跨体位智能配准，自动生成BI-RADS分类和图文报告，通过乳腺AI人工智能辅助诊断系统的应用，优化乳腺癌诊断流程。

总体而言，人工智能在乳腺癌诊断方面的应用前景广阔。通过结合先进的图像处理和机器学习技术，乳腺AI人工智能辅助诊断系统可以帮助提高乳腺癌的早期发现和诊断准确性，改善患者的治疗效果，提高生存率。当然，也仍需进一步的研究和努力，以克服当前面临的挑战，并确保乳腺AI人工智能辅助诊断系统的可靠性、安全性和可用性，从而为乳腺癌患者提供更好的医疗服务。