Breast（乳腺）相关的 AI 医疗研究与应用，目前集中在一个核心方向上：用人工智能辅助乳腺癌的筛查与诊断。乳腺癌是全球女性中发病率最高的恶性肿瘤之一，乳腺 X 线摄影（钼靶）筛查是主要检出手段，而 AI 模型正被引入来帮助放射科医生判读影像、减少漏诊。这一领域近期的研究和行业反馈显示，技术进展与临床落地之间存在明显落差。
AI 乳腺筛查的近期进展
当前焦点与观察点
除了影像筛查，研究也在向更细分的临床环节延伸：例如针对乳腺病灶的检索增强生成（RAG）系统的证据感知评估（arXiv）指出，评估基准的 ground truth 构建方式会显著影响检索分数，提醒社区关注评测方法的严谨性；另有工作将可解释概念发现引入手术切缘评估（arXiv），以及面向医学图像分割的轻量级影像组学架构（arXiv）。
综合来看，这一领域的争议点在于：论文基准上的性能提升能否转化为放射科医生认可的实用价值。后续值得关注的观察点包括：多中心、多模态（影像+病理细胞学）数据集的标准化，可解释性与评测方法的改进，以及 AI 工具在真实筛查流程中的前瞻性验证结果。