民間流傳着這樣一種說法：孕婦不會得乳腺癌。
這顯然是錯誤的。準確的說法是，懷孕期間，乳腺癌被發現的可能性比較低。
事實上，世界各地乳腺癌發病年齡分佈模式有一定相似度。主要情況是，乳腺癌罕見於青春期女性，被診斷爲乳腺癌的孕婦年齡一般偏大，集中在32-38歲之間。
國家×××中心2018年2月發佈的報告顯示，肺癌和乳腺癌分別位居男女性發病的第一位[1]。其中，東部地區的乳腺癌負擔較重，這與城鎮化的進程、生育率的降低密切相關。早有學者稱，“過去很多育齡婦女25歲就生育，現在可能30歲仍然未婚，這直接影響了一孩的出生數量。[2]”換言之，嬰兒的出生率低，從人口數量的角度來看，母乳餵養的比例也相繼受到影響。
而根據《腫瘤學年鑑》(Annals of Oncology)的一項研究報告，母乳餵養與預防乳腺癌顯著正相關。雌激素是乳腺癌發生的重要刺激因子，而孕激素、泌乳素等懷孕、哺乳期特有激素是具有保護性的激素。母乳餵養可能通過延長有益激素的保護作用時間，相應地縮短雌激素的刺激作用時間，從而降低乳腺導管上皮細胞發生惡變的風險。
乳腺癌的預防與治療的箇中環節，盤絲相扣。所幸，現代醫學的發展帶來了一些好消息。
首先，乳腺癌的篩查必要且有效。此處的關鍵詞是：有效!與女性的另一大婦科×××病種，卵巢癌相比較，後者在臨牀上則無法證明篩查的有效性。患者通常發現時已是晚期，而妄想通過做B超觀察卵巢是否有腫瘤的想法，也非常不符合實情 —— 超聲很難分辨早期卵巢癌與普通卵巢疾病的差別。甚至在更多時候造成不必要的檢查或手術[3]。
反觀乳腺癌，目前已知的檢測方法中有磁共振成像(MRI)、乳腺鉬靶(MAM)與乳腺超聲檢查(BUS)。其中，乳腺鉬靶檢查的侷限性在於，我國有大約70%的女性乳房都屬於偏緻密型[4]。在偏緻密型乳房病例，其診斷率明顯下降，造成漏診。乳腺超聲檢查則比較依賴醫生的水平，受主觀影響大。這三者中，準確度最高的便是乳腺核磁共振成像，顯示軟組織陰影，並且無輻射，此外還可以發現除原發竈外的額外病竈及周邊淋巴轉移竈。
美國《臨牀腫瘤學雜誌》(Journal of Clinical Oncology)雜誌上研究的關鍵發現是：大約90%的乳腺癌可以通過MRI明確診斷[5]。嚴謹來看，那10%的概率是否有提升的空間?
有。人工智能在乳腺癌的影像診斷領域有了不少突破。
早在1998年，美國R2公司開發的ImageChecker乳腺計算機輔助診斷(computer-aided diagnosis，CAD)系統通過美國FDA批准上市，成爲最早投入臨牀應用的CAD系統。CAD是指通過影像學、醫學圖像處理技術等，輔助影像科醫生分析病竈。由於主觀經驗及知識水平導致的判斷侷限，CAD的輔助可以提高診斷的精確度。[6]目前，乳腺CAD是一類被廣泛應用在X線攝影對乳腺癌的篩查上的工具。
IBM公司的Watson則是在人工智能平臺上搭建的醫療輔助工具[7]，此前據媒體報道，IBM Watson已落戶中國，並在醫院落地自己的腫瘤解決方案。而其第一步商業化運作，即在醫療領域與紀念斯隆-凱特琳×××中心(Memorial Sloan Kettering Cancer Center)聯合推出了Watson腫瘤解決方案(Watson for Oncology，WFO)，共同訓練IBM Watson。
在此期間，Watson“被輸入”數千份病人病歷，以及近1500萬頁的醫學文獻，Watson的硬件配置可以使它每秒處理500GB的數據，相當於1秒閱讀100萬本書，就這樣，Watson在短時間內速成爲腫瘤醫學專家。[8]目前作爲Watson在華的首個合作伙伴項目，已有21家中國醫院計劃使用經由紀念斯隆-凱特琳×××中心訓練的IBM Watson腫瘤解決方案，此合作模式將可能協助醫生獲得個性化的循證×××治療方案，這也是Watson將腫瘤解決方案向基層推進的一種手段。
與此同時，匯醫慧影近日宣佈向100家基層醫院提供1年肺結節免費篩查服務。這是一家致力於將深度學習技術應用到人工智能醫學影像的企業，集成篩查、診斷、治療各個方面，覆蓋包括胸部CT防漏診斷、乳腺鉬靶檢測等10多項常見×××。匯醫慧影目前在單病種方面已經實現智能篩查、智能決策、預後預測、隨訪的全流程覆蓋。其與英特爾共同開發的人工智能乳腺全週期健康管理系統便是其相對應的落地產品。
該乳腺全週期健康管理系統着重輔助乳腺癌早期篩查以及診治，並提供全數據鏈監控管理平臺和乳腺疾病全週期解決方案。
衆所周知，人工智能在提升疾病診斷的精確度上，需要率先建立用於乳腺癌篩查的深度學習模型。而英特爾的優勢在於，其旗下的至強服務器即對現有CPU進行優化，可提供全CPU統一架構處理。此外也支持優化的Math KernelLibrary數學核心計算庫和深度學習框架。衆多開發者可在這一平臺上，實現不同深度學習算法的移植、優化和重新部署。
從技術角度，目前階段的深度學習架構普遍採用CPU加速縮短學習時間，而各大企業在人工智能上的轉型都必須基於CPU的平臺得以實現。英特爾能爲人工智能提供端到端的、全棧式的技術支持，在以至強處理器爲核心的硬件平臺之上，還有立足於軟件的三個層面的支持和優化，涵蓋了基礎層面、庫的層面和工具層面。
英特爾的基礎設施與數據應用平臺的優勢加之匯醫慧影在前期積累的醫院雲計算服務經驗，可在乳腺癌的診斷及治療方面提供全面的個體化的綜合信息。英特爾的至強服務器提供最高達768GB的內存，對乳腺採集影像進行像素級別的特徵識別，發現潛在問題;在數據識別的精準方面，英特爾至強服務器可將深度網絡模型優化並將數據集進一步加強，其高通量計算平臺採用英特爾Inception-v4以及inception-resnet-v2等深度網絡的乳腺癌篩查技術，配之匯醫慧影公司讀片準確率高達90%的人工智能系統，二者間的合作有望實現醫療影像辨識的新高度。
對於普通人來說，是否這種影像識別的“新高度”可以降低“不必要”的手術的發生率?此前，麻省理工計算機科學與人工智能實驗室(CSAIL)曾發佈報告給出一個肯定的答案。來自麻省理工學院的Regina Barzilay曾以自己爲例，“作爲乳腺癌的倖存者，當數據有這麼多的不確定性時，機器學習就是我們用來改進檢測和防止過度治療的工具。”換句話說，若人工智能輔助判斷病竈只有極低的概率發生癌變，這個時候，手術就不是唯一的選擇了。鄭州×××醫院 http://mobile.zyyyzz.com/
總而言之，若能在原位癌階段發現病變，乳腺癌的治癒率可達95%。發達國家乳腺癌原位癌發現率爲15%以上，而我國原位癌發現率5%都不到。[9]如此看來，即便MRI的檢查在乳腺癌的早期診斷中極其重要，但依然不夠，箇中原因涉及多個學科交叉配合(包括臨牀、影像、病理等)。因而，寄希望於人工智能並結合醫生的經驗判斷，乳腺癌的“早發現”並被治癒是未來可期的。