人工智能對乳腺影像輔助診斷的研究進(jìn)展

王惠，楊新武，陳飛，朱孔強(qiáng)，李玄博，余晶，郭順林,3*

1.蘭州大學(xué)第一臨床醫(yī)學(xué)院，甘肅 蘭州 730000；2.蘭州大學(xué)第一醫(yī)院超聲科，甘肅 蘭州 730000；3.蘭州大學(xué)第一醫(yī)院放射科，甘肅 蘭州 730000；4.北京工業(yè)大學(xué)計(jì)算機(jī)學(xué)院信息學(xué)部，北京 100124；*通信作者 郭順林 guoshl2021@163.com

人工智能和醫(yī)學(xué)影像結(jié)合是精準(zhǔn)醫(yī)學(xué)發(fā)展的必然[1]。乳腺癌是醫(yī)學(xué)影像人工智能輔助研究較多的領(lǐng)域[2]。從計(jì)算機(jī)輔助檢測系統(tǒng)應(yīng)用于乳腺X線檢查開始，醫(yī)學(xué)影像學(xué)正從一個(gè)依靠器官感知的技能領(lǐng)域轉(zhuǎn)變?yōu)橐粋€(gè)更加準(zhǔn)確、客觀、高效的圖像分析學(xué)科。

審核大量影像數(shù)據(jù)已成為影像醫(yī)師面臨的重大挑戰(zhàn)，而人工智能是提升工作效率的首選方法[3]。同時(shí)，面對一系列臨床問題，人工智能能夠定量分析醫(yī)學(xué)影像大數(shù)據(jù)，實(shí)現(xiàn)臨床輔助決策。人工智能包括機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩種方法。傳統(tǒng)機(jī)器學(xué)習(xí)包括特征提取和分類兩個(gè)步驟，深度學(xué)習(xí)主要采用網(wǎng)絡(luò)模型提取特征，并利用傳統(tǒng)機(jī)器學(xué)習(xí)進(jìn)行分類。機(jī)器學(xué)習(xí)工作流程包括：①圖像采集；②圖像標(biāo)準(zhǔn)化；③圖像分割和感興趣區(qū)標(biāo)記；④特征提取、選擇；⑤構(gòu)建模型。機(jī)器學(xué)習(xí)通常采用隨機(jī)森林、遞歸消除、χ2檢驗(yàn)進(jìn)行特征選擇，并利用支持向量機(jī)、Logistic回歸、XGBoost構(gòu)建分類器。近來，深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域大放異彩，其性能遠(yuǎn)超傳統(tǒng)機(jī)器學(xué)習(xí)。深度學(xué)習(xí)通過優(yōu)化算法教會模型識別圖像模式，其中卷積神經(jīng)網(wǎng)絡(luò)是應(yīng)用最多的網(wǎng)絡(luò)模塊。本文回顧人工智能輔助乳腺影像的臨床研究，分析其面臨的挑戰(zhàn)及應(yīng)對策略。

1 乳腺X線人工智能輔助檢查

乳腺X線是乳腺癌篩查的首選影像學(xué)檢查之一，但對亞洲女性致密型乳腺的敏感度較低[4]，漏診率和假陽性率較高。因此，乳腺X線人工智能輔助檢查主要用于提高乳腺癌的檢測準(zhǔn)確度[5]。此外，還可通過評估乳腺密度，進(jìn)行癌癥風(fēng)險(xiǎn)分層[6]。

關(guān)于提升乳腺癌的檢測準(zhǔn)確度，Qu等[7]比較多種深度學(xué)習(xí)模型性能，發(fā)現(xiàn)部分甚至超過影像專家水平。WU等[8]也證實(shí)了人工智能輔助影像醫(yī)師可顯著提升乳腺癌的檢測能力。不同于單中心回顧性研究，KIM等[9]開展了一項(xiàng)基于乳腺X線的國際研究，結(jié)果顯示人工智能模型在腫瘤探測、不對稱和扭曲結(jié)構(gòu)識別方面均優(yōu)于影像醫(yī)師。此外，另一項(xiàng)國際研究也認(rèn)為人工智能輔助乳腺X線檢查還能安全有效減少影像醫(yī)師70%～80%的工作量[10]。這些研究成果充分展示人工智能技術(shù)對乳腺X線診斷價(jià)值的顯著提升。另外，致密型乳腺是乳腺癌的獨(dú)立危險(xiǎn)因素。目前，對乳腺分型尚依賴于影像醫(yī)師的主觀判斷。對比人工智能對乳腺密度的定量評估與影像醫(yī)師的定性判斷，發(fā)現(xiàn)人工智能的可靠性明顯高于后者[11-12]。因此，乳腺X線人工智能輔助檢測可為乳腺癌風(fēng)險(xiǎn)預(yù)測提供客觀、定量的指標(biāo)。

2 乳腺超聲人工智能輔助檢查

超聲檢查對乳腺癌有較高的敏感度。因此，乳腺超聲人工智能輔助檢查的主要價(jià)值在于提升乳腺病灶鑒別診斷準(zhǔn)確度。此外，人工智能輔助預(yù)測腋窩淋巴結(jié)轉(zhuǎn)移的價(jià)值也不可忽視[13]。

運(yùn)用人工智能技術(shù)，侯銀等[14]構(gòu)建乳腺超聲圖像的機(jī)器學(xué)習(xí)模型，鑒別乳腺惡性病灶的曲線下面積（AUC）和準(zhǔn)確度分別達(dá)到0.931、0.901。也有研究[15]發(fā)現(xiàn)乳腺癌邊緣分葉較多，熵值更低，乳腺良性病灶內(nèi)部鈣化較多，病灶長軸與皮膚角度更大。一項(xiàng)人工智能和影像醫(yī)師的對比研究證實(shí)深度學(xué)習(xí)模型能夠提升影像醫(yī)師操作及診斷的組內(nèi)和組間一致性[16]。以上研究說明人工智能能夠增強(qiáng)乳腺超聲檢查的標(biāo)準(zhǔn)化程度，從而提升診斷準(zhǔn)確性和可重復(fù)性。

與常規(guī)超聲相比，自動(dòng)乳腺容積掃查（automated breast volume scan，ABVS）提供了大視野、多平面、三維成像，標(biāo)準(zhǔn)化的圖像采集流程降低了對影像醫(yī)師經(jīng)驗(yàn)的依賴。Wang等[17]提取乳腺病灶A(yù)BVS橫斷面和冠狀面特征，比較多種機(jī)器學(xué)習(xí)模型對乳腺病灶分類性能，最優(yōu)模型AUC、敏感度和準(zhǔn)確度分別為0.857、0.879、0.807。Wang等[18]提取ABVS的橫斷面、矢狀面和冠狀面圖像特征，利用遷移學(xué)習(xí)模型對乳腺良、惡性病灶鑒別診斷，其AUC、敏感度和特異度分別為0.9468、0.886、0.876。由此可見，ABVS是人工智能輔助乳腺影像的良好超聲模態(tài)，人工智能輔助ABVS是乳腺影像今后發(fā)展的一個(gè)重要方向，具有巨大發(fā)展?jié)摿涂臻g。

超聲彈性作為常規(guī)超聲的輔助診斷，在與人工智能結(jié)合后，也能更好地發(fā)揮對乳腺癌患者的臨床診斷價(jià)值。Qiu等[19]基于腋窩淋巴結(jié)灰階及硬度特征預(yù)測腋窩淋巴結(jié)轉(zhuǎn)移的AUC和準(zhǔn)確度分別為0.895、0.845，證實(shí)人工智能與超聲新技術(shù)聯(lián)合，能進(jìn)一步提升輔助診斷準(zhǔn)確度。

3 MRI人工智能輔助檢查

MRI檢查對乳腺癌有良好的診斷敏感度，并可作為評估乳腺癌的影像學(xué)標(biāo)志物。因此，乳腺M(fèi)RI是人工智能輔助研究最為廣泛和深入的乳腺影像模態(tài)[20]。同時(shí)，MRI在乳腺病灶測量方面優(yōu)于乳腺X線和超聲檢查[21]，在乳腺癌篩查、分子分型預(yù)測和新輔助化療（neoadjuvant chemotherapy，NAC）療效及預(yù)后評估中有更廣闊的應(yīng)用前景。

人工智能在提升乳腺M(fèi)RI診斷性能方面具有重要價(jià)值。將人工智能乳腺分類系統(tǒng)應(yīng)用于多參數(shù)MRI檢查，最高AUC達(dá)到0.852，并且能提高診斷特異度[22]。利用4D影像組學(xué)模型對乳腺M(fèi)RI圖像進(jìn)行分類，可以提升分類準(zhǔn)確度，并且減少不必要的活檢穿刺[23]。由此可見，人工智能輔助MRI有助于挖掘MRI對乳腺病灶的潛在診斷價(jià)值。

預(yù)測乳腺癌分子分型是人工智能輔助MRI的一項(xiàng)重要臨床應(yīng)用。李薇等[24]報(bào)道動(dòng)態(tài)增強(qiáng)MRI影像組學(xué)特征可以精確預(yù)測乳腺癌激素受體狀態(tài)和分子分型。雖然人工智能輔助MRI不能替代有創(chuàng)的活檢穿刺，但人工智能依據(jù)整個(gè)腫瘤的影像組學(xué)特征預(yù)測分子分型，較穿刺活檢具有更高的預(yù)測價(jià)值。因此，人工智能輔助MRI能為乳腺癌基因靶向治療提供術(shù)前無創(chuàng)預(yù)測工具。

人工智能輔助MRI可在疾病早期或治療前預(yù)測NAC療效[25]，有助于避免NAC后病理完全緩解患者進(jìn)行不必要的手術(shù)，或提示治療無效患者及時(shí)手術(shù)，減少NAC的潛在毒性作用。Bitencourt等[26]聯(lián)合機(jī)器學(xué)習(xí)與臨床因素評估人表皮生長因子受體-2過表達(dá)型乳腺癌NAC后反應(yīng)，預(yù)測病理完全緩解準(zhǔn)確性達(dá)0.839。該研究為乳腺癌患者個(gè)體化、精準(zhǔn)醫(yī)療提供及時(shí)、準(zhǔn)確的影像學(xué)依據(jù)，科學(xué)指導(dǎo)臨床決策。

乳腺癌預(yù)后是人工智能輔助乳腺M(fèi)RI的另一關(guān)鍵臨床研究。目前，復(fù)發(fā)基因評分是評估乳腺癌復(fù)發(fā)的“金標(biāo)準(zhǔn)”，但費(fèi)用高、有創(chuàng)性限制了其臨床應(yīng)用。將動(dòng)態(tài)增強(qiáng)MRI特征與Curebest95基因關(guān)聯(lián)，能準(zhǔn)確預(yù)測雌激素受體陽性乳腺癌的復(fù)發(fā)風(fēng)險(xiǎn)[27]。該研究為乳腺癌患者的術(shù)后監(jiān)測和隨訪提供準(zhǔn)確、可靠的影像組學(xué)預(yù)測模型。

4 小結(jié)與展望

人工智能輔助乳腺影像技術(shù)尚需進(jìn)一步發(fā)展和完善。目前，在臨床工作中實(shí)施人工智能技術(shù)的主要困難是缺乏標(biāo)準(zhǔn)化影像檢查方案和大樣本數(shù)據(jù)集。此外，不同儀器生產(chǎn)商的圖像存在差異。并且乳腺影像缺乏一個(gè)標(biāo)準(zhǔn)化的圖像分割（二維和三維）、特征提取及選擇和分類方法。未來可通過批處理方法對影像特征進(jìn)行統(tǒng)一化，以構(gòu)建來源于不同地區(qū)、不同國家、不同人種的乳腺癌數(shù)據(jù)庫。同時(shí)，加快人工智能輔助乳腺影像研究的質(zhì)量評分制訂，從研究設(shè)計(jì)、成像方案、統(tǒng)計(jì)分析、圖像質(zhì)量評估和標(biāo)準(zhǔn)化操作流程環(huán)節(jié)進(jìn)行質(zhì)控。同時(shí)應(yīng)進(jìn)行多中心、大數(shù)據(jù)研究，有助于按人群或腫瘤類型進(jìn)行亞類分析，并且有利于模型的獨(dú)立測試，從而推動(dòng)人工智能輔助乳腺影像技術(shù)從理論到臨床實(shí)踐的轉(zhuǎn)化應(yīng)用。