人工智能技術在乳腺影像學診斷中的應用現狀與展望

龔 敬，郝 雯，彭衛軍

復旦大學附屬腫瘤醫院放射診斷科，復旦大學上海醫學院腫瘤學系，上海 200032

在全球范圍內，乳腺癌是女性最常見的惡性腫瘤，也是女性癌癥死亡的主要原因。在我國，新診斷的乳腺癌患者占全球乳腺癌新發患者的12.2%，死亡率為9.6%［1］。影像學檢查是實現乳腺癌早期發現和治療的主要手段。隨著乳腺癌防治工作的宣傳和推進，人們對影像學檢查的重要性有了較好的認識，對乳腺癌早期篩查也越來越重視，對影像學檢查及診斷提出了更高的要求。

近幾年，參與乳腺癌篩查的女性人數呈明顯上升趨勢。由于我國人口基數大，患者分流機制不完善，大量檢查集中于大中型醫療機構，造成了此類醫療機構的影像醫師工作負荷較大。此外，新的影像技術也使醫學影像數量成倍增加，致使影像科醫師閱片壓力增大，如數字乳腺斷層圖像（digital breast tomosynthsis，DBT）約300幅左右，閱讀時間是普通鉬靶X線圖像的2倍［2］；常規乳腺動態增強磁共振成像（magnetic resonance imaging，MRI）可產生數千幅圖像。傳統影像診斷依賴于影像科醫師的主觀判斷，需要醫師較高的耐壓力和專注力，而長時間、高負荷工作難免引起視覺和心理上的疲勞。另外，每種影像學檢查技術存在一定局限性，如鉬靶X線攝影是投影成像，高密度腺體組織容易對腫塊造成遮擋，而亞洲女性致密型腺體比例較高，易產生誤診漏診，檢測靈敏度約70%～90%［3-5］。研究顯示，約有20%的新診乳腺癌患者回顧之前的鉬靶片發現異常［6］，表明影像科醫師對這部分患者的影像學檢查給出了假陰性的結果。

目前，乳腺影像診斷的高需求和現實供給之間的不平衡，已經成為臨床實踐中亟待解決的主要問題之一。醫學影像的全面數字化和計算機技術的發展，為從技術層面解決這一問題帶來了希望。工程人員嘗試使用計算機工程技術對圖像進行分析，在此基礎上設計和開發了乳腺影像輔助診斷技術。憑借計算速度快、可重復性好及永遠不會疲勞的特點，此項技術能夠為醫師提供客觀有效的診斷信息。同時，在減輕醫師工作負擔、降低誤診和漏診風險、提高乳腺癌檢出率和診斷準確率等方面也可發揮作用［7］。

1 發展現狀

乳腺醫學影像人工智能（artificial intelligence，AI）技術始于20世紀60年代，最先發展起來的是計算機輔助檢測/診斷（computeraided detection/diagnosis，CAD）系統。CAD是一種通過綜合運用計算機、數學、統計學、圖像處理與分析方法，從醫學影像上提取特征、標注可疑病變位置、對病灶區域進行良惡性判斷的AI技術。乳腺CAD應用最廣泛的領域是乳腺癌鉬靶X線篩查［8］，自1998年美國食品藥品管理局（food and drug administration，FDA）首次批準乳腺鉬靶X線CAD系統應用于乳腺癌篩查以來，目前已有多種應用于不同影像學檢查的乳腺CAD系統獲得FDA的批準。統計顯示，2016年90%獲得乳腺成像質量標準法（mammography quality standards act，MQSA）認證的數字乳腺成像設備都配備了CAD系統［9］。2003年Comfirma公司推出了首款乳腺MRI商用CAD軟件CADstream，目前主流的MRI CAD軟件還包括3TP Server Version 2.2.4（CADsciences?）和Mammatool（Digital Image Solutions?）等。加拿大Medipatern公司研發的B-CAD作為首個商用乳腺超聲CAD，在2005年獲得FDA批準進入美國銷售。在2018年北美放射學年會（Radiological Society of North America，RSNA）上，韓國三星公司展示的S-DetectTMfor Breast軟件已安裝于三星超聲設備。

傳統CAD系統在臨床上的應用已有近30年的歷史，國內不少醫院也在使用，但傳統CAD功能單一、性能不足，病灶檢出假陽性率過高，在性能上很快到達瓶頸［10］。雖然傳統CAD系統的臨床價值沒有得到充分肯定，但AI技術輔助影像科醫師減輕工作量、減少漏診的理念已經得到廣泛認可，研究人員從不同角度嘗試提高CAD系統的實用性。近幾年，隨著深度學習算法的出現和成熟，AI技術在醫學影像中的應用逐步走向了更高的層面，為突破傳統CAD系統的準確性瓶頸帶來了可能。與傳統CAD系統不同，基于深度學習算法的CAD系統直接運用醫學影像訓練和構建模型，實現端到端的學習（end-to-end learning），使CAD模型具有更高的靈敏度和準確率［11］。

目前，在乳腺影像AI技術應用中，基于深度學習算法的AI系統主要集中于乳腺鉬靶X線影像的分析和研究，對MRI、超聲和數字乳腺斷層攝影的研究相對較少。國內一些醫療公司也推出了新一代基于深度學習算法的鉬靶AI系統，在乳腺腫塊檢測和鈣化檢測方面此類系統可以達到90%以上的準確率，幾乎和醫學影像專家的水準相當。同時，在病灶的良惡性判別上，新一代AI模型能達到87%的靈敏度和90%以上的特異度，甚至超越了醫學影像專家的水平［12］。在應用測試中，基于深度學習算法的乳腺AI系統的各種性能指標（靈敏度、準確率、特異度）相對于傳統CAD系統有所提高，使得CAD水平提升了一個層次［13］。CAD系統性能的提高，不僅映射出了機器學習算法的創新和發展，也顯示了計算機硬件水平的提高和數字化醫療體系的不斷完善。

雖然在應用測試中乳腺影像AI系統具有較好的檢測和診斷性能，但真正將這些系統應用于臨床，并達到輔助醫師進行診斷和決策的目的，還有很長的路要走，其主要原因是：① 目前基于深度學習算法的乳腺影像AI系統的模型設計，大多是在常規經典模型（如Inception模型、ResNet模型等）基礎上微調或直接應用，缺乏對乳腺影像應用場景系統、深入的研究，未能根據乳腺影像的特點設計特異度強的深度學習算法［14］。② 深度學習模型是一種基于數據驅動的算法模型，數據質量的好壞直接影響乳腺影像AI系統的性能，多中心、標準一致及標注統一的大樣本數據集的匱乏限制了乳腺影像AI系統發展。③ 工程技術與臨床醫學之間的學科差異造成了乳腺影像AI系統在應用和推廣中的障礙，工程人員未能切實挖掘臨床診斷中的痛點和難點、從影像科醫師的角度設計CAD系統，使得乳腺影像AI系統的原型設計無法切實反映影像科醫師的真實需求。

2 臨床應用

在醫學影像上進行乳腺病變的自動檢測及診斷是CAD系統的主要應用之一。乳腺CAD系統目前被廣泛應用于乳腺癌的篩查中［15-16］，目的是提高病變的檢出率，輔助醫師診斷，減少漏診誤診。鉬靶X線CAD系統主要根據腫塊及鈣化區域的特征辨識病變，研究顯示乳腺CAD系統對鈣化區域尤其是微小鈣化區域的靈敏度最高，可達80%～100%，正確標記率高于腫塊及非對稱致密［17-18］，且其靈敏度并不受腺體密度影響［19］。大部分研究認為CAD系統能夠提高惡性病變，尤其是導管內原位癌的檢出率［20-21］。另外，CAD系統在檢出早期病變上具有潛在優勢，相關研究［22］報道使用CAD系統之后0期乳腺癌檢出率提高了42%，Ⅰ期乳腺癌查出率提高了17%。早期乳腺癌患者更受益于CAD系統［22-23］，這也是促使CAD系統廣泛應用于乳腺癌篩查的主要原因。針對乳腺MRI的CAD應用不及鉬靶X線廣泛，但研究結果顯示，MRI CAD系統可以輔助乳腺MRI的視覺評估，并提供有用的附加信息提高診斷的特異度［24］，在多灶性病灶的檢測方面具有明顯優勢［25］。目前主流的MRI CAD軟件僅能輔助影像科醫師對病灶的形態進行描述，尚未將病變的形態學特征進行分析，增加這部分內容可能會進一步提高CAD系統的準確率及特異度。乳腺超聲CAD系統應用的主要目的是克服操作者依賴性，同時提高診斷準確率。其檢測及診斷表現受測試樣本構成的影響較大，如惡性病灶及囊性病灶占比例較高時，CAD具有良好的檢出率及準確率，而良性、實性病灶增多則直接影響CAD系統的檢測效果，這一結果可能與超聲成像本身的特性有關［26-27］。

提高診斷效率、減少影像科醫師工作量也是CAD系統的應用場景之一。根據既往對影像科閱片醫師的調研，乳腺鉬靶的人工常規閱片及寫報告時間為2～10 min。而采用AI系統可以大幅縮短病灶檢出時間，秒級完成［28］。這一應用能更明顯地縮短DBT閱讀時間［2］。DBT將一系列2D圖像重組成3D斷層圖像，圖像數量較傳統鉬靶X線片明顯增多，含有較多冗余信息，研究顯示DBT CAD系統能夠顯著縮短閱讀時間，但對影像科醫師診斷的靈敏度、特異度和召回率影響并不顯著［29］。MRI CAD系統則可以通過計算機自動提取動態增強掃描時病灶信號強度變化，為影像科醫師提供病灶內不同強化程度所占比例，避免醫師手動測量的同時提供準確信息，減少工作量，縮短閱片時間［30］。

另外，乳腺CAD能幫助經驗較少的影像科醫師提高其診斷效能［31］，如韓國三星公司的S-Detect? for Breast軟件，結合《乳腺影像報告和數據系統圖譜》（ACR BI-RADS?ATLAS）提供標準化的可疑病變報告和分類說明，可以使年輕醫師的診斷準確率從83%提高到87%［32］。從更高的層面上看，CAD系統的廣泛安裝具有一定的社會價值。對于年輕醫師而言，AI系統的輔助可以大大提升其診斷信心和水平，有利于建立良好的住院醫師培養機制。將頂級醫院的診療能力以工具化的方式下沉到基層，能夠幫助基層醫師提升乳腺癌的早期篩查水平及效率，實現患者分流，為建立完善的醫療體系奠定基礎。

3 總結與展望

目前，乳腺影像AI技術的應用和研究正如火如荼地開展，相信高性能的乳腺影像AI系統將會得到快速的發展，新一代乳腺影像AI系統也將會在臨床診斷中獲得廣泛應用。未來，在整合產學研用等各界資源的基礎上開發出的乳腺AI產品，應該能夠解決工程技術、臨床診斷和社會層面等不同領域中的問題。新一代乳腺AI系統應具有以下特點：① 從工程角度來說，設計和開發魯棒性強、特異度好的乳腺影像智能分析算法，大幅度提升系統的準確率，并降低檢測和診斷中的假陽性率。針對不同設備廠商拍攝的醫學影像，新一代乳腺AI系統能自動識別和處理，避免系統性能在不同來源的影像數據中產生偏差。同時，AI系統和醫院影像歸檔和通信系統（picture archiving and communication systems，PACS）友好結合，提供交互性強、操作簡單、使用方便的應用程序。② 在臨床應用中，新一代乳腺影像AI系統需要跟蹤和同步最新診斷標準和指南，整合和應用多模態影像數據（如CT、MRI、鉬靶X線及超聲等），通過深度信息挖掘解決診斷中的痛點和難點問題。此外，AI系統應不斷地精簡操作流程，輔助完成部分初級、基礎性工作，成為放射科醫師真正的好“幫手”、好“伙伴”。③ 從社會層面上出發，新一代乳腺影像AI系統應建立于相關法律法規、社會倫理道德的基礎之上，不僅需要保護患者的個人隱私，還需要根據我國的基本國情，設計和制定詳細的規范和流程，成為醫師和患者都放心的產品。

總之，乳腺影像AI技術正在蓬勃發展、逐步完善，在優化醫療資源配置、緩解放射科醫師工作壓力、提升檢測和診斷的準確率等方面，已展現出了巨大的潛力。雖然與真正實現新一代乳腺影像AI系統的臨床應用落地還有一段距離，但乳腺影像AI技術為乳腺影像診斷學科發展提供了新的動力，也展現出未來智能醫學影像的廣闊前景。