近日，哈佛大学医学院放射学教授康斯坦斯·莱曼团队在《放射学》期刊发表研究指出，基于人工智能的乳腺X光影像风险评分可随时间动态演变，有效预测未来乳腺癌发病风险。该研究纳入五万四千余名女性的历年筛查影像，利用纯影像深度学习模型直接生成五年乳腺癌风险评分，无需依赖人口学或临床历史数据。结果显示，确诊患者的AI风险评分在确诊前六年即开始缓慢上升，并在确诊前两年显著陡峭攀升，而未患病女性评分则长期保持稳定。研究证实，人工智能能够从肉眼不可见的影像中提取预测信号，为占乳腺癌病例绝大多数的散发性病例提供早期预警。莱曼指出，这种动态影像生物标志物有望推动乳腺癌预防策略向个性化风险管理转型，类似高血压与高血脂的常规监测。目前，相关评分模型已获美国FDA批准并在部分医疗机构临床应用，其核心建议更被纳入2026年美国综合癌症网络指南，明确建议三十五岁以上且五年风险评分高于百分之一点七的女性结合乳腺磁共振进行强化筛查。该突破标志着乳腺癌风险评估正式迈入影像驱动的动态精准时代。