کارآزمایی‌های تصادفی‌سازی‌شده غربالگری سرطان سینه و مطالعات همگروهی غربالگری به وضوح نشان داده‌اند که غربالگری معمول ماموگرافی با کاهش عوارض و مرگ‌ومیر سرطان پستان مرتبط است .

در ابتدا، غربالگری سرطان سینه با سیستم‌های ماموگرافی مبتنی بر فیلم آنالوگ انجام می‌شد، اما در 20 سال گذشته، غربالگری ماموگرافی به پلتفرم‌های کاملا دیجیتالی (ماموگرافی دیجیتالی کامل میدانی تبدیل شده است که اجازه می‌دهد داده‌های پیکسیله‌شده در قالب بازسازی شوند.

فرمت شبه سه بعدی توموسنتز دیجیتال سینه

. تلاش‌های اضافی برای بهبود نتایج غربالگری سرطان پستان بر تشدید فواصل غربالگری و فرمت‌های مطالعه متمرکز شده است،

به عنوان مثال. غربالگری سالانه در مقابل غربالگری دوسالانه و دوبار خواندن به جای یکبار خواندن، و معرفی اشکال تکمیلی غربالگری علاوه بر ماموگرافی مانند سونوگرافی پستان یا به طور کلی، این پروتکل های غربالگری پیشرفته به منابع بیشتری نیاز دارند و

در حالی که ممکن است سرطان های بیشتری را شناسایی کنند،

تصویربرداری اضافی و افزایش شدت غربالگری نیز ممکن است منجر به نرخ مثبت کاذب بالاتری شود.

در نتیجه، حمایت فزاینده‌ای برای رژیم‌های غربالگری سرطان پستان «شخصی‌شده»، متناسب با خطر ابتلا به سرطان پستان در زنان بر اساس ترکیبی از تصویربرداری، اطلاعات جمعیت‌شناختی، و در صورت وجود، اطلاعات ژنتیکی وجود دارد

. بهبود در الگوریتم‌های ارزیابی خطر سرطان پستان با ترکیب داده‌های حاصل از تصویر، این پتانسیل را دارد که به تعادل نسبت‌های ضرر به سود کمک کند و در عین حال الگوریتم‌های غربالگری را بهتر اطلاع‌رسانی کند.

این چشم انداز پیچیده غربالگری ماموگرافی فرصت های متعددی را برای بهبود از جمله ترکیب فنوتیپ تصویربرداری محاسباتی بافت پستان ارائه می دهد. مهمتر از همه، انجام این کار هزینه اضافی کمی از نظر درگیری بیمار و زمان تصویربرداری دارد. به عنوان مثال، تراکم پستان ارزیابی شده از طریق ماموگرافی، که منعکس کننده مقدار بافت پرتوزا در پستان است،

به خوبی به عنوان یک عامل خطر برای سرطان سینه و همچنین ویژگی ای که می تواند حساسیت ماموگرافی را کاهش دهد، ثابت شده است،

زیرا بافت متراکم ممکن است مبهم باشد. یا تومورها را «نقاب» می‌کند 

شناخت تراکم پستان به عنوان یک نشانگر زیستی کلیدی در ارزیابی خطر، نیاز به تلاش‌های تصویربرداری محاسباتی را ایجاد کرده است

که اندازه‌گیری‌های دقیق و قابل اعتمادی از نواحی، حجم‌ها و بافت سینه را ارائه می‌دهد

اخیراً، مجموعه‌ای از ابزارهای رایانه‌ای برای تبدیل تصاویر ماموگرافی به ویژگی‌های فنوتیپی برای هوش مصنوعی محاسباتی

، که معمولاً در زیر چتر هوش مصنوعی رادیومیک گروه‌بندی می‌شوند، توسعه یافته‌اند.

ادغام ویژگی‌های رادیومیک پستان در الگوریتم‌های ارزیابی خطر سرطان پستان، پتانسیل فوق‌العاده‌ای را در بهبود ارزیابی خطر سرطان پستان و به‌طور بالقوه، نتایج بیمار نشان داده است.