An updated overview of radiomics-based artificial intelligence (AI) methods in breast cancer screening and diagnosis

目前用于诊断乳腺癌的成像方法具有有限的敏感性和特异性以及适度的阳性预测能力。最近人工智能（AI）在图像分析方面的进展为改善乳腺癌（BC）诊断和亚型区分创造了巨大的希望。在这种情况下，新型定量计算方法，如放射学，已经被开发出来，以改善早期乳腺癌诊断和分类的敏感性和特异性。放射学在改善成像研究的诊断效果方面的潜力已经在几项研究中得到证明。在这篇综述文章中，我们根据最近对不同成像模式（例如MRI、乳腺X线摄影、增强光谱乳腺摄影（CESM）、超声成像和数字乳腺断层摄影（DBT））的研究，讨论放射学工作流程和目前手工制作的放射学方法在BC诊断和分类中的应用。我们还讨论了目前的挑战和潜在策略，以提高放射学在乳腺癌中的特异性和敏感性，帮助在临床环境中实现更高水平的乳腺癌分类和诊断。AI与成像信息的结合领域的不断发展为提供更高水平的乳腺癌患者护理开辟了巨大的机会。

该论文旨在探讨利用人工智能技术改善乳腺癌的诊断和分类的准确性，以及当前手工制作的放射学方法的局限性。

通过使用新的计算方法，如放射组学，来改善早期乳腺癌的诊断和分类，从而提高成像研究的敏感性和特异性。

论文介绍了放射组学的工作流程和当前手工制作的放射学方法在不同成像模式下的应用。它还讨论了当前的挑战和潜在策略来提高放射组学在乳腺癌中的特异性和敏感性。该论文提供了一些值得关注的实验设计和数据集，并探讨了如何将人工智能技术应用于成像信息以提高乳腺癌患者的护理水平。

最近的相关研究包括：1）“基于深度学习的乳腺癌分类和诊断方法的研究” 2）“利用机器学习技术提高乳腺癌成像的准确性的研究” 3）“乳腺癌放射学图像的计算机辅助诊断的研究”。