人工智能辅助多模态成像在乳腺癌临床应用中的研究：现状、趋势与展望

乳腺癌（BC）是全球女性癌症相关死亡的主要原因，诊断和治疗存在局限。研究人员开展了人工智能（AI）辅助多模态成像在 BC 临床应用的研究。结果显示该领域发展迅速，中国发文量最多。此研究为相关研究提供方向，助力提升 BC 诊疗水平。

　　在全球范围内，乳腺癌（Breast Cancer，BC）如同一个可怕的 “杀手”，严重威胁着女性的健康。据国际癌症研究机构（IARC）的 GLOBOCAN 2022 数据库统计，2022 年全球约有 230 万新发病例和 66.6 万死亡病例，BC 在所有癌症的发病率中位居第二，死亡率排名第四。尽管目前在诊断和治疗方面取得了不少进展，如实验室检查、多种影像手段、组织学检查，以及手术、内分泌、放疗、化疗、靶向和免疫治疗等多种干预措施，但仍存在局限性和主观偏差。精准的诊断和高效的治疗对于改善患者预后至关重要，而人工智能（Artificial Intelligence，AI）和多模态成像技术的结合，为解决这些问题带来了新希望。

浙江中医药大学附属杭州中医医院的研究人员针对 AI 辅助多模态成像在 BC 临床应用这一主题展开了研究。他们通过全面的分析，为该领域的研究提供了全面的视角，研究成果发表在《Discover Oncology》杂志上。

研究人员为了深入探究这一领域，运用了多种技术方法。他们以 Web of Science 核心合集（WoSCC）数据库为数据来源，在 2010 年 1 月 1 日至 2024 年 11 月 30 日的文献中进行检索。利用 VOSviewer、CiteSpace 和 Bibliometrix R 包等工具，对国家、机构、作者、期刊、关键词等进行分析。

研究结果

1. 年度出版物和引文趋势：在 2010 - 2020 年，该领域的年度出版物数量较少，每年不超过 4 篇。但 2021 年成为了一个重要的转折点，2021 - 2024 年发表的文章占总数的 76.25%（61/80），年平均增长率达到 66.62%，2021 年的年增长率更是高达 100%。引文趋势与出版物模式相似，呈持续上升趋势，2020 年后的引文增长率远超之前十年，这表明该领域的影响力在不断扩大，吸引了越来越多研究人员的关注。
2. 高产国家分析：共有 29 个国家在该领域有所贡献。中国以 43 篇出版物位居首位，占总数的 53.75%，在总引用次数上也领先，但平均引用率相对较低。德国、英国和日本在平均引用方面表现突出，显示出较高的研究质量。美国在国际合作方面最为活跃，与多个国家联系紧密，其中心性值最高（0.60），在该领域具有重要的领导地位。
3. 高产机构分析：212 个机构参与了研究，前 10 名高产机构中多数来自中国。Radboud University Nijmegen 和浙江大学均发表了 5 篇文章。上海交通大学在总引用次数（76）和平均每篇文章引用次数（19）方面表现出色，凸显了其研究成果的高质量。欧美机构之间的合作相对紧密，而其他机构的合作则较为有限。
4. 作者和共被引作者分析：研究涉及 505 名作者和 2368 名共被引作者。Xi, Xiaoming 以 4 篇文章在发表数量上排名第一，Qian, XJ 的一篇文章被引用次数最多（111 次）。作者合作网络显示，国内合作较多，国际合作相对不足。He, KM 是被引用次数最多的共被引作者，其中心性值为 0.20，Siegel, RL 的中心性值也达到了 0.1，他们在该领域具有重要影响力。
5. 研究领域和核心期刊分析：80 篇文章发表在 64 种期刊上，“Computerized Medical Imaging and Graphics”（影响因子 IF = 5.4，Q1）、“Computers in Biology and Medicine”（IF = 7.0，Q1）和 “Frontiers in Oncology”（IF = 3.5，Q2）发表的文章数量最多，均为 3 篇。但这些期刊的平均引用次数较低，需要进一步提高文章质量。研究领域主要集中在放射学、生物医学工程、计算机科学和肿瘤学等方面，体现了该领域的跨学科特点。
6. 高被引出版物和共被引参考文献分析：22 篇文章被引用不少于 20 次，Qian, XJ 等人 2021 年发表的 “Prospective assessment of breast cancer risk from multimodal multiview ultrasound images via clinically applicable deep learning” 被引用次数最多。共被引参考文献涵盖了癌症流行病学研究、早期 BC 治疗专家共识、优化卷积神经网络（Convolutional Neural Networks，CNNs）的研究以及深度学习算法在 BC 诊断中的应用等方面。
7. 关键词分析：通过关键词分析，发现 “乳腺癌”“分类”“深度学习” 等是高频关键词。关键词聚类分析显示，主要聚类包括 “乳腺癌”“成像”“深度学习” 等。时间线和景观视图分析表明，早期研究关注图像重建和量化技术，2020 年后，人工智能、卷积神经网络和乳腺肿瘤分割成为主要研究方向。

研究结论与讨论

这项研究全面展示了 AI 辅助多模态成像在 BC 临床应用领域的研究现状和发展趋势。中国在该领域的发文量领先，但在研究质量和国际影响力方面还有提升空间。深度学习在多模态成像中发挥着重要作用，其应用主要集中在早期筛查和诊断、分子亚型预测以及治疗结果评估和预后预测等方面。

然而，该领域在临床实践中面临着挑战。深度学习模型缺乏可解释性，其 “黑箱” 决策过程让临床医生难以理解，影响了医患信任。此外，高质量和全面的数据集匮乏，大多数研究基于回顾性分析，存在患者选择偏差，且数据集规模小、缺乏标准化，限制了模型的泛化性和准确性。

未来，需要加强多学科、多国家和多机构之间的合作。进一步优化可视化技术，让模型决策过程更加透明；建立高质量的公共数据库，推动 AI 在 BC 诊疗中的广泛应用。相信随着技术的不断进步，AI 辅助多模态成像将在 BC 的精准诊断和治疗中发挥越来越重要的作用，为全球众多乳腺癌患者带来新的希望。