Evaluating mammographic density′s contribution to improve a breast cancer risk model with questionnaire-based and polygenic factors
8.0
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-10-01 23:49
摘要：
本研究评估了乳腺密度对乳腺癌风险模型的贡献，结合问卷基础风险因素和多基因风险评分，验证了其在风险分层中的有效性。研究结果表明，加入乳腺密度后，模型的风险预测能力有所提高，尤其是在50岁以上的女性中，能够更好地识别高风险患者。这一发现为个性化乳腺癌筛查和预防策略提供了重要的临床依据，具有广泛的应用潜力。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
0.5
scientific_rigor
1.5
timeliness_innovation
1.0
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
0.5
关键证据
研究显示，加入乳腺密度后，风险模型的AUC从65.6%提高到67.0%。
在美国50-70岁女性中，18.4%被识别为≥3% 5年风险，捕获42.4%的未来病例。
整合乳腺密度与问卷基础风险因素和多基因风险评分可能增强乳腺癌风险分层。
真实性检查
否
AI评分总结
本研究评估了乳腺密度对乳腺癌风险模型的贡献，结合问卷基础风险因素和多基因风险评分，验证了其在风险分层中的有效性。研究结果表明，加入乳腺密度后，模型的风险预测能力有所提高，尤其是在50岁以上的女性中，能够更好地识别高风险患者。这一发现为个性化乳腺癌筛查和预防策略提供了重要的临床依据，具有广泛的应用潜力。