首页 > 文章详情

立足中国人群特征，探索乳腺癌精准预防新路径：胡夕春教授谈类人脑AI与可穿戴筛查创新

04月30日

来源：肿瘤资讯

近年来，我国乳腺癌发病形势持续受到关注。随着新发病例数量不断增加，乳腺癌不仅给患者个体带来沉重疾病负担，也对家庭、社会和医疗体系提出了更高挑战。

尤其值得重视的是，中国乳腺癌发病具有自身特点，包括发病年龄相对较早、乳腺组织致密比例较高、人群遗传背景与西方国家存在差异等。在此背景下，如何通过人工智能、多模态数据整合和可穿戴设备创新，识别乳腺癌高危、中危、低危人群，并据此实施分层管理与早期干预，成为我国乳腺癌防控领域的重要探索方向。

围绕“基于类人脑的乳腺癌精准预防体系建立和早期干预策略”项目，【肿瘤资讯】特邀复旦大学附属肿瘤医院胡夕春教授，从中国乳腺癌防控现实需求、类人脑AI技术创新价值及可穿戴设备应用前景等方面进行深入解读。

胡夕春

教授

教授博导
复旦大学附属肿瘤医院大内科首席
复旦大学附属肿瘤医院CMUP多学科首席
ESMO乳腺癌Faculty Member
国际ABC 5-7 panelist
代表性成果
乳腺癌 NEJM （第二作者), Lancet Oncol（第一/通讯），STTT （ARX788）
原发不明癌 Lancet Oncol（通讯，里程碑）,引领中国的90-基因检测
主持十三五“重大新药创制”科技重大专项等
主编《肿瘤科常见诊疗问题问答-胡夕春医生查房实录》等

面对中国乳腺癌增长压力，精准分层防控是降低发病负担的重要方向

胡夕春教授：
我认为，当前我国乳腺癌防控面临的一个非常重要的问题，就是乳腺癌发病率增长速度较快。据我们了解，中国乳腺癌新发病例数量年增长率大约为3%，而国外一些国家可能在0.5%左右。也就是说，中国乳腺癌新发病人的增长速度明显更快，这背后提示我们存在巨大的未被满足的临床与公共卫生需求。正是在这样的背景下，国家开展了重大慢病相关项目，希望能够通过更加系统、科学的方式，把乳腺癌的发病率降下来。

那么，如何真正把乳腺癌发病率降下来？我认为关键在于对人群进行精准细分，也就是把女性人群区分为乳腺癌高危人群、中危人群和低危人群，并针对不同风险层级采取不同的干预措施。

对于低危人群，可能规律随访、保持正常生活方式即可；而对于中危和高危人群，则需要更积极地进行生活方式干预、风险监测以及必要的医学管理。通过这种分层筛查和分层干预，才有可能从源头上降低中国乳腺癌的发病负担。

作为一名医生，这其实也是我的一个梦想。中医讲“大医治未病”，也就是说，最好的医学并不是等患者已经发展为乳腺癌以后再治疗，而是希望在疾病发生之前，或者在风险升高但尚未形成疾病之前，就能够通过有效手段进行识别和干预。现在医院里的乳腺癌患者很多，但从医生角度来说，我们当然希望未来病人能够越来越少，希望中国乳腺癌患者数量能够真正降下来。

此外，中国乳腺癌还有一个非常值得重视的特点，就是发病年龄相对较早，很多患者在40多岁时发病。这个年龄段的女性往往仍处于重要的工作阶段和家庭责任阶段，一旦患病，不仅会影响个人健康，也会对家庭和社会造成很大负担。因此，从公共卫生和社会发展角度来看，推动乳腺癌早筛早诊和精准预防，具有非常重要的现实意义。

不能简单照搬国外筛查模式，中国女性需要自己的风险预测模型

胡夕春教授：
我们之所以希望采用类人脑人工智能的方法来做这个项目，一个很重要的原因在于：中国乳腺癌筛查不能简单照搬国外经验。在国外，有些乳腺癌风险评估模型已经被用于指导乳腺癌筛查。但是，中国女性和西方女性在人群特征上存在明显差异。

第一，中国人群中BRCA1/2等遗传突变的整体情况与西方人群并不完全相同；
第二，中国女性乳腺组织往往更加致密，这一点与欧美女性也有明显差异。乳腺致密度高，会影响钼靶筛查的敏感性，因此我们不能简单把国外以钼靶为主的筛查模式直接用于中国女性乳腺癌筛查。

乳腺癌的发生是多因素共同作用的结果，既与遗传背景有关，也与年龄、生活方式、乳腺结构、影像学特征以及其他生物学因素相关。因此，要建立适合中国女性的乳腺癌预测模型，必须采用多模态数据整合的方法。

所谓多模态，就是不再依赖单一指标，而是把不同来源、不同维度的信息整合起来。人工智能技术在很多领域已经显示出巨大进步，而我们把这个项目称为“类人脑”，可以理解为一种更高级的人工智能。之所以采用这个名称，也与整个课题组的组成有关：我们的合作团队中有复旦大学类脑智能科学与技术研究院，他们长期从事高级人工智能相关研究。因此，我们希望借助类人脑技术，对多模态数据进行深度整合，建立真正适合中国女性人群的乳腺癌风险预测模型。

我们的目标是，如果未来能够为中国女性，尤其是40岁以上女性建立系统化数据库，并通过模型对其乳腺癌发生风险进行评估，就可以进一步把人群区分为低危、中危和高危。这里所说的风险，并不是指已经患病，而是指未来发生乳腺癌的可能性。针对不同风险等级，我们再采取不同的干预策略，这正是整个课题希望实现的核心目标。

类人脑AI整合多模态数据，推动中国乳腺癌筛查从经验走向精准

胡夕春教授：
从项目设计来看，我们希望通过人工智能，尤其是类人脑技术，来处理这些复杂的多模态数据，最终建立中国自己的乳腺癌预测模型。这一点非常关键，因为中国女性乳腺癌防控需要基于中国本土人群数据，而不是完全依赖国外模型。

中国地域广阔，从沿海到内陆，从北方到南方，从汉族到55个少数民族，不同地区、不同民族、不同经济条件下的人群特征都存在差异。如果我们要求所有人都采用同一种筛查模型，在现实医疗体系下其实并不可行。城市地区筛查资源相对集中，而农村地区、边远地区和基层地区往往很难被充分覆盖，这就导致乳腺癌筛查存在明显不均衡。

过去十年、二十年，我们也曾尝试过把钼靶机带到基层去做乳腺癌筛查，但整体效果并不算理想。一方面，筛查成本巨大；另一方面，筛出的并不一定都是乳腺癌，可能更多是一些良性肿瘤或非恶性病变。这提示我们，传统筛查模式在大规模人群推广时仍面临效率、成本和准确性等多重挑战。

因此，我们希望建立一种更加高效、更加便捷、更加适合中国实际情况的筛查路径。通过类人脑人工智能对多模态数据进行处理，一方面可以提升风险识别能力，另一方面也有助于把有限医疗资源更精准地用于真正需要重点关注的人群。也就是说，我们希望未来不是所有人都以同样频率、同样方式进行筛查，而是根据风险高低进行差异化管理，这样才能真正提高乳腺癌筛查体系的效率和可持续性。

可穿戴设备有望破解筛查不均衡，为基层和边远地区提供新方案

胡夕春教授：
我们这个课题和其他项目不太一样的地方在于，我们希望通过可穿戴设备来解决乳腺癌筛查中的现实问题。具体来说，我们设想开发一种可穿戴设备，例如可穿戴文胸。这个设备可以同时感知两个维度的信息：一个是温度信息，另一个是硬度信息。

我们知道，乳腺癌组织与正常乳腺组织之间在温度上存在一定差异，乳腺癌局部温度相较正常乳腺组织可能会高出约0.5℃到2℃，平均差异大约在1℃左右。如果设备能够敏感捕捉到这种温度差异，就可能为风险识别提供一个重要信号。

第二个维度是硬度信息。临床上我们也知道，乳腺癌病灶通常质地较硬，明显区别于正常乳腺组织。因此，如果可穿戴设备能够同步感知乳腺局部硬度变化，并把温度和硬度等信息一起传输到中央数据库，再由人工智能模型进行处理，就有可能形成一种更加简便、可及的乳腺癌筛查模式。

如果这样的设备最终能够真正做成，它的意义会非常大。女性只需要佩戴这样一个设备，相关温度信息和硬度信息就可以传输到中央数据库中进行分析。这样一来，无论是在高原、还是草原，或者是在其他医疗资源相对不足的地区，我们都有可能通过这种方式完成初步风险判断和筛查提示。这对于解决乳腺癌筛查不均衡问题非常重要。现在一个现实情况是，城市女性可能被反复筛查，而农村和边远地区女性却长期覆盖不足。

如果可穿戴设备结合中央数据库和人工智能模型能够真正落地，就有望突破传统筛查设备、筛查场景和医疗资源分布的限制，让更多女性能够获得便捷、低成本、可推广的乳腺癌早筛服务。

因此，我认为，如果这一模式未来能够真正建立起来，并在临床和人群研究中得到验证，它将对中国乳腺癌防控产生非常大的贡献。它不仅是一个技术创新，更可能推动我国乳腺癌防控体系从“发现疾病后治疗”，进一步转向“识别风险、提前干预、精准预防”的新阶段。

责任编辑：肿瘤资讯-Kelly
排版编辑：肿瘤资讯-森沐