人工智能技术在乳腺影像学诊断中的应用现状与展望

龚 敬，郝 雯，彭卫军

复旦大学附属肿瘤医院放射诊断科，复旦大学上海医学院肿瘤学系，上海 200032

在全球范围内，乳腺癌是女性最常见的恶性肿瘤，也是女性癌症死亡的主要原因。在我国，新诊断的乳腺癌患者占全球乳腺癌新发患者的12.2%，死亡率为9.6%［1］。影像学检查是实现乳腺癌早期发现和治疗的主要手段。随着乳腺癌防治工作的宣传和推进，人们对影像学检查的重要性有了较好的认识，对乳腺癌早期筛查也越来越重视，对影像学检查及诊断提出了更高的要求。

近几年，参与乳腺癌筛查的女性人数呈明显上升趋势。由于我国人口基数大，患者分流机制不完善，大量检查集中于大中型医疗机构，造成了此类医疗机构的影像医师工作负荷较大。此外，新的影像技术也使医学影像数量成倍增加，致使影像科医师阅片压力增大，如数字乳腺断层图像（digital breast tomosynthsis，DBT）约300幅左右，阅读时间是普通钼靶X线图像的2倍［2］；常规乳腺动态增强磁共振成像（magnetic resonance imaging，MRI）可产生数千幅图像。传统影像诊断依赖于影像科医师的主观判断，需要医师较高的耐压力和专注力，而长时间、高负荷工作难免引起视觉和心理上的疲劳。另外，每种影像学检查技术存在一定局限性，如钼靶X线摄影是投影成像，高密度腺体组织容易对肿块造成遮挡，而亚洲女性致密型腺体比例较高，易产生误诊漏诊，检测灵敏度约70%～90%［3-5］。研究显示，约有20%的新诊乳腺癌患者回顾之前的钼靶片发现异常［6］，表明影像科医师对这部分患者的影像学检查给出了假阴性的结果。

目前，乳腺影像诊断的高需求和现实供给之间的不平衡，已经成为临床实践中亟待解决的主要问题之一。医学影像的全面数字化和计算机技术的发展，为从技术层面解决这一问题带来了希望。工程人员尝试使用计算机工程技术对图像进行分析，在此基础上设计和开发了乳腺影像辅助诊断技术。凭借计算速度快、可重复性好及永远不会疲劳的特点，此项技术能够为医师提供客观有效的诊断信息。同时，在减轻医师工作负担、降低误诊和漏诊风险、提高乳腺癌检出率和诊断准确率等方面也可发挥作用［7］。

1 发展现状

乳腺医学影像人工智能（artificial intelligence，AI）技术始于20世纪60年代，最先发展起来的是计算机辅助检测/诊断（computeraided detection/diagnosis，CAD）系统。CAD是一种通过综合运用计算机、数学、统计学、图像处理与分析方法，从医学影像上提取特征、标注可疑病变位置、对病灶区域进行良恶性判断的AI技术。乳腺CAD应用最广泛的领域是乳腺癌钼靶X线筛查［8］，自1998年美国食品药品管理局（food and drug administration，FDA）首次批准乳腺钼靶X线CAD系统应用于乳腺癌筛查以来，目前已有多种应用于不同影像学检查的乳腺CAD系统获得FDA的批准。统计显示，2016年90%获得乳腺成像质量标准法（mammography quality standards act，MQSA）认证的数字乳腺成像设备都配备了CAD系统［9］。2003年Comfirma公司推出了首款乳腺MRI商用CAD软件CADstream，目前主流的MRI CAD软件还包括3TP Server Version 2.2.4（CADsciences®）和Mammatool（Digital Image Solutions®）等。加拿大Medipatern公司研发的B-CAD作为首个商用乳腺超声CAD，在2005年获得FDA批准进入美国销售。在2018年北美放射学年会（Radiological Society of North America，RSNA）上，韩国三星公司展示的S-DetectTMfor Breast软件已安装于三星超声设备。

传统CAD系统在临床上的应用已有近30年的历史，国内不少医院也在使用，但传统CAD功能单一、性能不足，病灶检出假阳性率过高，在性能上很快到达瓶颈［10］。虽然传统CAD系统的临床价值没有得到充分肯定，但AI技术辅助影像科医师减轻工作量、减少漏诊的理念已经得到广泛认可，研究人员从不同角度尝试提高CAD系统的实用性。近几年，随着深度学习算法的出现和成熟，AI技术在医学影像中的应用逐步走向了更高的层面，为突破传统CAD系统的准确性瓶颈带来了可能。与传统CAD系统不同，基于深度学习算法的CAD系统直接运用医学影像训练和构建模型，实现端到端的学习（end-to-end learning），使CAD模型具有更高的灵敏度和准确率［11］。

目前，在乳腺影像AI技术应用中，基于深度学习算法的AI系统主要集中于乳腺钼靶X线影像的分析和研究，对MRI、超声和数字乳腺断层摄影的研究相对较少。国内一些医疗公司也推出了新一代基于深度学习算法的钼靶AI系统，在乳腺肿块检测和钙化检测方面此类系统可以达到90%以上的准确率，几乎和医学影像专家的水准相当。同时，在病灶的良恶性判别上，新一代AI模型能达到87%的灵敏度和90%以上的特异度，甚至超越了医学影像专家的水平［12］。在应用测试中，基于深度学习算法的乳腺AI系统的各种性能指标（灵敏度、准确率、特异度）相对于传统CAD系统有所提高，使得CAD水平提升了一个层次［13］。CAD系统性能的提高，不仅映射出了机器学习算法的创新和发展，也显示了计算机硬件水平的提高和数字化医疗体系的不断完善。

虽然在应用测试中乳腺影像AI系统具有较好的检测和诊断性能，但真正将这些系统应用于临床，并达到辅助医师进行诊断和决策的目的，还有很长的路要走，其主要原因是：① 目前基于深度学习算法的乳腺影像AI系统的模型设计，大多是在常规经典模型（如Inception模型、ResNet模型等）基础上微调或直接应用，缺乏对乳腺影像应用场景系统、深入的研究，未能根据乳腺影像的特点设计特异度强的深度学习算法［14］。② 深度学习模型是一种基于数据驱动的算法模型，数据质量的好坏直接影响乳腺影像AI系统的性能，多中心、标准一致及标注统一的大样本数据集的匮乏限制了乳腺影像AI系统发展。③ 工程技术与临床医学之间的学科差异造成了乳腺影像AI系统在应用和推广中的障碍，工程人员未能切实挖掘临床诊断中的痛点和难点、从影像科医师的角度设计CAD系统，使得乳腺影像AI系统的原型设计无法切实反映影像科医师的真实需求。

2 临床应用

在医学影像上进行乳腺病变的自动检测及诊断是CAD系统的主要应用之一。乳腺CAD系统目前被广泛应用于乳腺癌的筛查中［15-16］，目的是提高病变的检出率，辅助医师诊断，减少漏诊误诊。钼靶X线CAD系统主要根据肿块及钙化区域的特征辨识病变，研究显示乳腺CAD系统对钙化区域尤其是微小钙化区域的灵敏度最高，可达80%～100%，正确标记率高于肿块及非对称致密［17-18］，且其灵敏度并不受腺体密度影响［19］。大部分研究认为CAD系统能够提高恶性病变，尤其是导管内原位癌的检出率［20-21］。另外，CAD系统在检出早期病变上具有潜在优势，相关研究［22］报道使用CAD系统之后0期乳腺癌检出率提高了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系统［22-23］，这也是促使CAD系统广泛应用于乳腺癌筛查的主要原因。针对乳腺MRI的CAD应用不及钼靶X线广泛，但研究结果显示，MRI CAD系统可以辅助乳腺MRI的视觉评估，并提供有用的附加信息提高诊断的特异度［24］，在多灶性病灶的检测方面具有明显优势［25］。目前主流的MRI CAD软件仅能辅助影像科医师对病灶的形态进行描述，尚未将病变的形态学特征进行分析，增加这部分内容可能会进一步提高CAD系统的准确率及特异度。乳腺超声CAD系统应用的主要目的是克服操作者依赖性，同时提高诊断准确率。其检测及诊断表现受测试样本构成的影响较大，如恶性病灶及囊性病灶占比例较高时，CAD具有良好的检出率及准确率，而良性、实性病灶增多则直接影响CAD系统的检测效果，这一结果可能与超声成像本身的特性有关［26-27］。

提高诊断效率、减少影像科医师工作量也是CAD系统的应用场景之一。根据既往对影像科阅片医师的调研，乳腺钼靶的人工常规阅片及写报告时间为2～10 min。而采用AI系统可以大幅缩短病灶检出时间，秒级完成［28］。这一应用能更明显地缩短DBT阅读时间［2］。DBT将一系列2D图像重组成3D断层图像，图像数量较传统钼靶X线片明显增多，含有较多冗余信息，研究显示DBT CAD系统能够显著缩短阅读时间，但对影像科医师诊断的灵敏度、特异度和召回率影响并不显著［29］。MRI CAD系统则可以通过计算机自动提取动态增强扫描时病灶信号强度变化，为影像科医师提供病灶内不同强化程度所占比例，避免医师手动测量的同时提供准确信息，减少工作量，缩短阅片时间［30］。

另外，乳腺CAD能帮助经验较少的影像科医师提高其诊断效能［31］，如韩国三星公司的S-Detect™ for Breast软件，结合《乳腺影像报告和数据系统图谱》（ACR BI-RADS®ATLAS）提供标准化的可疑病变报告和分类说明，可以使年轻医师的诊断准确率从83%提高到87%［32］。从更高的层面上看，CAD系统的广泛安装具有一定的社会价值。对于年轻医师而言，AI系统的辅助可以大大提升其诊断信心和水平，有利于建立良好的住院医师培养机制。将顶级医院的诊疗能力以工具化的方式下沉到基层，能够帮助基层医师提升乳腺癌的早期筛查水平及效率，实现患者分流，为建立完善的医疗体系奠定基础。

3 总结与展望

目前，乳腺影像AI技术的应用和研究正如火如荼地开展，相信高性能的乳腺影像AI系统将会得到快速的发展，新一代乳腺影像AI系统也将会在临床诊断中获得广泛应用。未来，在整合产学研用等各界资源的基础上开发出的乳腺AI产品，应该能够解决工程技术、临床诊断和社会层面等不同领域中的问题。新一代乳腺AI系统应具有以下特点：① 从工程角度来说，设计和开发鲁棒性强、特异度好的乳腺影像智能分析算法，大幅度提升系统的准确率，并降低检测和诊断中的假阳性率。针对不同设备厂商拍摄的医学影像，新一代乳腺AI系统能自动识别和处理，避免系统性能在不同来源的影像数据中产生偏差。同时，AI系统和医院影像归档和通信系统（picture archiving and communication systems，PACS）友好结合，提供交互性强、操作简单、使用方便的应用程序。② 在临床应用中，新一代乳腺影像AI系统需要跟踪和同步最新诊断标准和指南，整合和应用多模态影像数据（如CT、MRI、钼靶X线及超声等），通过深度信息挖掘解决诊断中的痛点和难点问题。此外，AI系统应不断地精简操作流程，辅助完成部分初级、基础性工作，成为放射科医师真正的好“帮手”、好“伙伴”。③ 从社会层面上出发，新一代乳腺影像AI系统应建立于相关法律法规、社会伦理道德的基础之上，不仅需要保护患者的个人隐私，还需要根据我国的基本国情，设计和制定详细的规范和流程，成为医师和患者都放心的产品。

总之，乳腺影像AI技术正在蓬勃发展、逐步完善，在优化医疗资源配置、缓解放射科医师工作压力、提升检测和诊断的准确率等方面，已展现出了巨大的潜力。虽然与真正实现新一代乳腺影像AI系统的临床应用落地还有一段距离，但乳腺影像AI技术为乳腺影像诊断学科发展提供了新的动力，也展现出未来智能医学影像的广阔前景。