乳腺癌是全世界女性中最常見的癌癥，也是導(dǎo)致人類死亡的第二大癌種。高發(fā)病率、高致死率的乳腺癌雖然可怕，但如果能夠做到及早發(fā)現(xiàn)、并按照最佳實踐進(jìn)行治療，則有望大大改善存活率。 

目前，超聲等醫(yī)學(xué)影像是乳腺癌篩查和診斷的主要手段，在乳腺癌的評估中起著至關(guān)重要的作用。但由于醫(yī)療資源等問題，全球約三分之二的人口仍無法獲得放射學(xué)診斷信息。 

近年來，隨著人工智能技術(shù)的發(fā)展，越來越多的人工智能算法應(yīng)用于醫(yī)學(xué)圖像領(lǐng)域，并深刻地改變了醫(yī)學(xué)影像的發(fā)展，從一開始僅僅提供診斷信息，到引領(lǐng)個性化精準(zhǔn)醫(yī)療的實現(xiàn)。 

在 6 月 21 日舉辦的 2020 北京智源大會開幕上，智源研究院院長黃鐵軍介紹到，清華大學(xué)、北京智源人工智能研究院、協(xié)和醫(yī)學(xué)院和首都醫(yī)科大學(xué)的研究團(tuán)隊近日推出一項名為 SonoBreast 的研究成果，提出了一個經(jīng)過監(jiān)督學(xué)習(xí)預(yù)訓(xùn)練的、基于圖像塊的卷積神經(jīng)網(wǎng)絡(luò)分類器，可以利用超聲波圖像進(jìn)行乳腺癌診斷篩查。

該工具包中包括一個惡性預(yù)測工具和一個分子亞型分析工具，可以進(jìn)行乳腺癌的分子分型以及惡性腫瘤識別。具體而言，該模型在乳腺癌分子分型的準(zhǔn)確率達(dá)到 56.3%，F(xiàn)1 Score 是 45.8%。 此研究項目由清華大學(xué)知識工程研究室（KEG）、北京智源人工智能研究院（BAAI）研究團(tuán)隊與北京協(xié)和醫(yī)學(xué)院專業(yè)醫(yī)生共同開發(fā)，研究使用的數(shù)據(jù)集由北京協(xié)和醫(yī)學(xué)院提供。目前，該AI篩查工具已經(jīng)上線。 

學(xué)術(shù)君對該項目參與者、清華大學(xué)畢明杰（Alex）和張晨暉博士進(jìn)行了采訪，他們表示， SonoBreast 研究項目旨在開發(fā)一種工具包，利用超聲波圖像進(jìn)行乳腺癌診斷篩查。借助 SonoBreast 惡性病變診斷系統(tǒng),，配合與之相適應(yīng)的硬件，力求實現(xiàn)在世界各地缺少熟練放射科醫(yī)生和超聲圖像檢查師的情況下進(jìn)行早期乳腺癌診斷。 

另外，乳腺癌的治療方法會根據(jù)癌灶分子亞型的不同（Luminal A、Luminal B、HER-2陽性和三陰性）而有著非常顯著的變化，因此，借助 SonoBreast 進(jìn)行乳腺癌分子亞型的分析，有望提高患者治療效果并減少有創(chuàng)活檢的次數(shù)。

乳腺癌阻擊戰(zhàn)

乳腺癌具有高并發(fā)率和高死亡率的特點，嚴(yán)重威脅著全球女性的健康。 

根據(jù)世界衛(wèi)生組織（WHO）的報告，2018 年全球共有209 萬乳腺癌病例，其中62.7萬為死亡病例。乳腺癌已經(jīng)成為全世界女性最常見的惡性腫瘤以及第二大癌癥死因。 

根據(jù)美國癌癥協(xié)會的數(shù)據(jù)，1989 年至2016 年間，乳腺癌的死亡率已經(jīng)降低了40%。2007 年以來，50 歲以下女性的死亡率并沒有顯著下降，但50 歲以上女性的死亡率仍在繼續(xù)下降。

這些進(jìn)展要歸功于更好的治療方法以及乳腺癌的早期診斷。 

其中乳腺癌的早期診斷來自人們意識的提高和新型的篩查技術(shù)，而治療方案需要根據(jù)乳腺癌的分子分型確定。乳腺癌的分子分型分為 Luminal A 型，Lunimal B 型，HER-2  過表達(dá)型和三陰型四種。目前，乳腺癌的分子分型需要通過穿刺活檢來確定。但是，這種手術(shù)是侵入性的，具有一定風(fēng)險，并且可能存在假陰性。 

乳腺癌常見的影像學(xué)診斷方法有乳腺攝影、超聲、磁共振成像、核醫(yī)學(xué)技術(shù)等，其中，超聲檢查的應(yīng)用最為廣泛，尤其在亞洲國家地區(qū)。與其他篩查技術(shù)相比，超聲檢查具有非電離輻射、無創(chuàng)性、高敏感性、便攜性、可及性和成本等優(yōu)勢，當(dāng)然，超聲檢查由于噪聲和偽影的存在，其圖像質(zhì)量也往往較低。 

近年來，人工智能在醫(yī)學(xué)影像識別方面取得了巨大的進(jìn)步。在健康領(lǐng)域，神經(jīng)網(wǎng)絡(luò)具有非凡的能力，深度學(xué)習(xí)算法能夠識別醫(yī)學(xué)圖像的特征并學(xué)習(xí)如何對它們進(jìn)行分類。

可以確定的是，為醫(yī)生提供輔助診斷的計算機(jī)系統(tǒng)，將在醫(yī)學(xué)圖像識別領(lǐng)域扮演著重要的角色。這是因為，重大疾病的篩檢，不僅是醫(yī)療護(hù)理的早期階段，甚至能夠?qū)崿F(xiàn)疾病的早期預(yù)防，而計算機(jī)輔助系統(tǒng)可以幫助醫(yī)生評估和發(fā)現(xiàn)異常的醫(yī)療圖像。

張晨暉博士在接受學(xué)術(shù)君采訪時表示 ，“ 乳腺癌分子分型對病人的臨床決策有重要意義。 

目前確定分子分型的方法只能通過穿刺活檢，該方法的缺點主要有：穿刺活檢具有創(chuàng)傷性；如果腫瘤的異質(zhì)性比較強(qiáng)，活檢樣本不具有代表性；與超聲檢查相比，穿刺活檢的成本相對較高?！?“影像組學(xué)（Radiomics）是一種通過抽取大量醫(yī)學(xué)影像特征分析腫瘤基因分型的方法，具有安全無創(chuàng)的特點，并且可以解決腫瘤異質(zhì)性難以采集的問題。影像組學(xué)通常使用傳統(tǒng)的圖像特征提取方法， 我們提出利用深度學(xué)習(xí)技術(shù)自動提取和乳腺癌分子分型相關(guān)的影像特征，提高使用影像組學(xué)方法識別分子分型的準(zhǔn)確率 ?！?nbsp;

輸入一張超聲圖像，輸出一個分子分型結(jié)果

在 SonoBreast 研究項目中，研究人員嘗試應(yīng)用機(jī)器學(xué)習(xí)技術(shù)對乳腺癌的超聲圖像進(jìn)行分型。具體而言，研究人員創(chuàng)建了一個分類器模型，以一組乳腺癌變的超聲圖像為輸入，輸出給定圖像的乳腺癌分子亞型的概率分布。 

以為類似的研究主要集中在乳腺病變的惡性腫瘤預(yù)測方面，研究人員認(rèn)為，放射科超聲提取的特征與乳腺癌分子亞型的類型相關(guān)，而乳腺癌分子亞型的診斷，對于疾病治療和預(yù)后都有主要意義，因此，該分類器模型旨在重點實現(xiàn)通過乳腺癌病變的超聲圖像判斷乳腺癌的分子分型。 

研究人員表示，SonoBreast 項目是他們和北京協(xié)和醫(yī)學(xué)院超聲醫(yī)學(xué)科朱慶莉教授的團(tuán)隊一起合作的。

“在合作過程中，朱教授的團(tuán)隊提供了 1000 多例乳腺癌病例，包括 7000 多張乳腺癌超聲影像，并對分子分型進(jìn)行了標(biāo)注。我們主要負(fù)責(zé)模型的設(shè)計和實現(xiàn)，并在朱教授團(tuán)隊提供的數(shù)據(jù)上訓(xùn)練和測試。我們和朱教授的團(tuán)隊共同分析實驗結(jié)果，討論改進(jìn)方向。其中朱教授團(tuán)隊根據(jù)他們在超聲圖像處理、乳腺癌超聲診斷等方面的領(lǐng)域知識和經(jīng)驗，為我們提供了專業(yè)的建議?！?/p>

惡性預(yù)測 ：該工具可預(yù)測乳房病變是惡性還是良性。對于患者病變的給定超聲圖像，提供病變的惡性診斷以及置信度（惡性概率）。 

分子亞型 ：該工具可預(yù)測乳癌性病變的分子亞型。對于患者病變的一組給定的超聲圖像（至少一個圖像），將提供病變的預(yù)測分子亞型診斷以及置信度（每個亞型的概率）。

該項目提出了一個經(jīng)過監(jiān)督學(xué)習(xí)預(yù)訓(xùn)練的，基于圖像塊的卷積神經(jīng)網(wǎng)絡(luò)分類器。在訓(xùn)練過程中，模型采用期望最大化（Expectation Maximization, EM）方法選取用于訓(xùn)練的圖像塊。預(yù)測過程中，每個圖像塊的預(yù)測結(jié)果通過一個注意力網(wǎng)絡(luò)得到每個圖片的預(yù)測；每個病例的預(yù)測結(jié)果進(jìn)一步由病例中所有圖片的預(yù)測結(jié)果通過整流網(wǎng)絡(luò)得到。整流網(wǎng)絡(luò)可以得到無偏的輸出，并且能夠調(diào)整先驗概率。 

目前，研究團(tuán)隊已經(jīng)發(fā)布了 web 應(yīng)用程序，允許病人和醫(yī)生使用該預(yù)測模型上傳超聲圖像。用戶可以上傳一定數(shù)量的超聲圖像，然后根據(jù)需要選擇超聲篩查部分，在提交圖像后，由模型計算預(yù)測結(jié)果，并用直方圖顯示模型圖的置信度。

畢明杰對學(xué)術(shù)君表示：“下一步我們計劃將部分乳腺超聲圖像數(shù)據(jù)公開，并可能以數(shù)據(jù)競賽的形式讓更多人參與到 AI 輔助乳腺癌診斷的相關(guān)研究中。另外，我們正在嘗試收集更多的乳腺癌超聲影像，計劃采用自監(jiān)督學(xué)習(xí)的方法提高現(xiàn)有模型的準(zhǔn)確率。目前準(zhǔn)確率還不足以應(yīng)用于臨床實踐。我們會繼續(xù)提高識別精度，達(dá)到專家認(rèn)可的準(zhǔn)確率后再嘗試在醫(yī)院中臨床應(yīng)用?！?nbsp;

正如研究人員所說，人工智能的確是未來醫(yī)學(xué)的核心，借助交叉引用越來越多的數(shù)據(jù)，輔助手術(shù)、遠(yuǎn)程患者監(jiān)控、智能假肢和個性化治療都將成為未來醫(yī)學(xué)的核心。

參考資料：

www.sonobreast.ai

相關(guān)知識

AI如何助力重塑腫瘤診療模式
乳腺纖維腺瘤
腫瘤上測試新模型，AI可預(yù)測癌癥原發(fā)灶位點
乳腺癌
007?胰腺體尾囊實性腫瘤，待手術(shù)===資料分享
中國乳腺癌隨診隨訪與健康管理指南（2022版）
《中國惡性腫瘤學(xué)科發(fā)展報告（2021）》——腫瘤心理學(xué)研究進(jìn)展篇
甲狀腺癌是“懶癌”？ 甲狀腺疾病要早發(fā)現(xiàn)早診斷早治療
HPV感染=宮頸癌？乳腺結(jié)節(jié)=乳腺癌？他們到底什么關(guān)系？
《中國惡性腫瘤學(xué)科發(fā)展報告（2021）》—腫瘤營養(yǎng)未來展望篇

網(wǎng)址: 清華、協(xié)和等單位開發(fā)乳腺癌AI診斷工具，可準(zhǔn)確識別惡性腫瘤，并進(jìn)行分子分型 http://www.gysdgmq.cn/newsview681422.html