| ［1］ |
Bray F， Laversanne M， Sung H， et al. Global cancer statistics 2022：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］. CA Cancer J Clin， 2024， 74（3）： 229-263.
|
| ［2］ |
中国抗癌协会乳腺癌专业委员会. 中国乳腺癌筛查与早期诊断指南［J］. 中国癌症杂志， 2022， 32（4）： 363-372.
|
| ［3］ |
Xia C， Basu P， KramerBS， et al. Cancer screening in China： a steep road from evidence to implementation［J］. Lancet Public Health，2023，8（12）： e996-e1005.
|
| ［4］ |
中国抗癌协会乳腺癌专业委员会， 中华医学会肿瘤学分会乳腺肿瘤学组. 中国抗癌协会乳腺癌诊治指南与规范（2024 年版）［J］. 中国癌症杂志， 2023， 33（12）： 1092-1187.
|
| ［5］ |
Dembrower K， Liu Y， Azizpour H， et al. Comparison of a deep learning risk score and standard mammographic density score for breast cancer risk prediction［J］. Radiology， 2020， 294（2）： 265-272.
|
| ［6］ |
Pashayan N， Antoniou AC， Ivanus U， et al. Personalized early detection and prevention of breast cancer： ENVISION consensus statement［J］. Nat Rev Clin Oncol， 2020， 17（11）： 687-705.
|
| ［7］ |
Gastounioti A， Desai S， Ahluwalia VS， et al. Artificial intelligence in mammographic phenotyping of breast cancer risk： a narrative review［J］. Breast Cancer Res， 2022， 24（1）： 14.
|
| ［8］ |
Monticciolo DL， Newell MS， Moy L， et al. Breast cancer screening in women at higher-than-average risk： recommendations from the ACR［J］. J Am Coll Radiol， 2018， 15（3）： 408-414.
|
| ［9］ |
SmithRA， Andrews KS， Brooks D， et al. Cancer screening in the United States， 2019： a review of current American Cancer Society guidelines and current issues in cancer screening［J］. CA Cancer J Clin， 2019， 69（3）： 184-210.
|
| ［10］ |
BrentnallAR， Cohn WF， Knaus WA，et al. A case-control study to add volumetric or clinical mammographic density into the Tyrer-Cuzick breast cancer risk model［J］. J Breast Imaging， 2019， 1（2）： 99-106.
|
| ［11］ |
Ahn JS， Shin S，Yang SA，et al. Artificial intelligence in breast cancer diagnosis and personalized medicine ［J］. J Breast Cancer， 2023，26（5）： 405-435.
|
| ［12］ |
Bahl M. Harnessing the power of deep learning to assess breast cancer risk［J］. Radiology， 2020， 294（2）： 273-274.
|
| ［13］ |
Huang S， Xu JT， Yang M. Review： predictive approaches to breast cancer risk［J］. Heliyon， 2023， 9（11）： e21344.
|
| ［14］ |
EngmannNJ， Golmakani MK， Miglioretti DL， et al. Populationattributable risk proportion of cinical risk factors for breast cancer［J］.JAMA Oncol， 2017， 3（9）： 1228-1236.
|
| ［15］ |
Zheng Y， Dong X， Li J， et al. Use of breast cancer risk factors to identify risk-adapted starting age of screening in China［J］. JAMA Netw Open， 2022， 5（11）： e2241441.
|
| ［16］ |
张晓辉， 孙强， 李炎， 等. 中国女性乳腺癌预防专家共识［J］. 中国研究型医院， 2022， 9（4）： 5-13.
|
| ［17］ |
Cuzick J， Sestak I， ThoratMA. Impact of preventive therapy on the risk of breast cancer among women with benign breast disease［J］. Breast，2015， 24 （2）： S51-S55.
|
| ［18］ |
BrandtKR， Scott CG， Ma L， et al. Comparison of clinical and automated breast density measurements： implications for risk prediction and supplemental screening［J］. Radiology， 2016， 279（3）： 710-719.
|
| ［19］ |
BaeJM， Kim EH. Breast density and risk of breast cancer in Asian women： a meta-analysis of observational studies［J］. J Prev Med Public Health， 2016， 49（6）： 367-375.
|
| ［20］ |
BaeMS， Moon WK， Chang JM， et al. Breast cancer detected with screening US： reasons for nondetection at mammography ［ J］.Radiology， 2014， 270（2）： 369-377.
|
| ［21］ |
WandersJO， Holland K，Veldhuis WB，et al. Volumetric breast density affects performance of digital screening mammography ［J］. Breast Cancer Res Treat， 2017， 162（1）： 95-103.
|
| ［22］ |
VisscherDW， Frost MH， Hartmann LC， et al. Clinicopathologic features of breast cancers that develop in women with previous benign breast disease［J］. Cancer， 2016， 122（3）： 378-385.
|
| ［23］ |
SalamatFM， Niakan BM，Keshtkar AP，et al. Subtypes of benign breast disease as a risk factor of breast cancer： a systematic review and meta analyses［J］. Iran J Med Sci， 2018， 43（4）： 355-364.
|
| ［24］ |
ShiyanbolaOO， Arao RF， Miglioretti DL， et al. Emerging trends in family history of breast cancer and associated risk ［J］. Cancer Epidemiol Biomarkers Prev， 2017， 26（12）： 1753-1760.
|
| ［25］ |
Mahdavi M， Nassiri M，Kooshyar MM，et al. Hereditary breast cancer；Genetic penetrance and current status with BRCA［J］. J Cell Physiol，2019， 234（5）： 5741-5750.
|
| ［26］ |
Gail MH， Brinton LA， Byar DP， et al. Projecting individualized probabilities of developing breast cancer for white females who are being examined annually［J］. J Natl Cancer Inst，1989，81（24）：1879-1886.
|
| ［27］ |
Crispo A， D'aiuto G， De Marco M， et al. Gail model risk factors：impact of adding an extended family history for breast cancer［J］. Breast J， 2008， 14（3）： 221-227.
|
| ［28］ |
Rockhill B， Spiegelman D，Byrne C，et al. Validation of the Gail et al.model of breast cancer risk prediction and implications for chemoprevention［J］. J Natl Cancer Inst， 2001， 93（5）： 358-366.
|
| ［29］ |
Terry MB， Liao Y， Whittemore AS， et al. 10-year performance of four models of breast cancer risk： a validation study［J］. Lancet Oncol，2019， 20（4）： 504-517.
|
| ［30］ |
Tice JA， Cummings SR，Smith-Bindman R，et al. Using clinical factors and mammographic breast density to estimate breast cancer risk：development and validation of a new predictive model［J］. Ann Intern Med， 2008， 148（5）： 337-347.
|
| ［31］ |
Gard CC， Tice JA， Miglioretti DL， et al. Extending the breast cancer surveillance consortium model of invasive breast cancer［J］. J Clin Oncol， 2024，42（7）：779-789.
|
| ［32］ |
Vilmun BM， Vejborg I，Lynge E，et al. Impact of adding breast density to breast cancer risk models： a systematic review［J］. Eur J Radiol，2020， 127： 109019.
|
| ［33］ |
BrentnallAR， Cuzick J，Buist DSM，et al. Long-term accuracy of breast cancer risk assessment combining classic risk factors and breast density［J］. JAMA Oncol， 2018， 4（9）： e180174.
|
| ［34］ |
Wooster R， Bignell G， Lancaster J， et al. Identification of the breast cancer susceptibility gene BRCA2［J］. Nature， 1995， 378（6559）：789-792.
|
| ［35］ |
BerryDA， Parmigiani G， Sanchez J， et al. Probability of carrying a mutation of breast-ovarian cancer gene BRCA1 based on family history［J］. J Natl Cancer Inst， 1997， 89（3）： 227-238.
|
| ［36］ |
Parmigiani G， Berry D，Aguilar O. Determining carrier probabilities for breast cancer-susceptibility genes BRCA1 and BRCA2［J］. Am J Hum Genet， 1998， 62（1）： 145-158.
|
| ［37］ |
Claus EB， Risch N，Thompson WD. Autosomal dominant inheritance of early-onset breast cancer. Implications for risk prediction［J］. Cancer，1994， 73（3）： 643-651.
|
| ［38］ |
Antoniou AC， Pharoah PP， Smith P， et al. The BOADICEA model of genetic susceptibility to breast and ovarian cancer［J］. Br J Cancer，2004， 91（8）： 1580-1590.
|
| ［39］ |
Lee A， Mavaddat N，Cunningham A，et al. Enhancing the BOADICEA cancer risk prediction model to incorporate new data on RAD51C，RAD51D， BARD1 updates to tumour pathology and cancer incidence［J］. J Med Genet， 2022， 59（12）： 1206-1218.
|
| ［40］ |
Lee A， Mavaddat N， Wilcox AN， et al. BOADICEA： a comprehensive breast cancer risk prediction model incorporating genetic and nongenetic risk factors［J］. Genet Med， 2019， 21（8）： 1708-1718.
|
| ［41］ |
Jin Z， Zhang S， Zhang L， et al. Artificial intelligence risk model（Mirai） delivers robust generalization and outperforms Tyrer-Cuzick guidelines in breast cancer screening［J］. J Clin Oncol， 2022， 40（20）： 2280-2281.
|
| ［42］ |
Eriksson M， Czene K， Vachon C， et al. Long-term performance of an image-based short-term risk model for breast cancer［J］. J Clin Oncol，2023， 41（14）： 2536-2545.
|
| ［43］ |
ArasuVA， Habel LA， Achacoso NS， et al. Comparison of mammography AI algorithms with a clinical risk model for 5-year breast cancer risk prediction： an observational study［J］. Radiology， 2023，307（5）： e222733.
|
| ［44］ |
Yala A， Mikhael PG， Strand F， et al. Toward robust mammographybased models for breast cancer risk ［J］. Sci Transl Med， 2021，13（578）： eaba4373.
|
| ［45］ |
Yala A， Mikhael PG，Strand F，et al. Multi-Institutional validation of a mammography-based breast cancer risk model［J］. J Clin Oncol，2022，40（16）： 1732-1740.
|
| ［46］ |
Wang X，Tan T， Gao Y， et al. Predicting up to 10 year breast cancer risk using longitudinal mammographic screening history［J］. medRxiv，2023： 2023.06. 28.23291994.
|
| ［47］ |
Dadsetan S， Arefan D， Berg WA， et al. Deep learning of longitudinal mammogram examinations for breast cancer risk prediction［EB/OL］.［2024-01-15］.https：/ /www.medrxiv.org/content/10.1101/2023.06.28.23291994v1.
|
| ［48］ |
Kretz T， Mueller KR， Schaeffter T， et al. Mammography image quality assurance using deep learning［J］. IEEE Trans Biomed Eng， 2020，67（12）： 3317-3326.
|
| ［49］ |
Tice JA， Bissell MCS， Miglioretti DL， et al. Validation of the breast cancer surveillance consortium model of breast cancer risk［J］. Breast Cancer Res Treat， 2019， 175（2）： 519-523.
|
| ［50］ |
Fischer C， Kuchenbäcker K， Engel C， et al. Evaluating the performance of the breast cancer genetic risk models BOADICEA，IBIS， BRCAPRO and Claus for predicting BRCA1/2 mutation carrier probabilities： a study based on 7352 families from the German Hereditary Breast and Ovarian Cancer Consortium［J］. J Med Genet，2013， 50（6）： 360-367.
|