人工智能在乳腺腫瘤影像中的應(yīng)用現(xiàn)狀及展望

主要原因[1]。在我國乳腺癌每年新發(fā)病例大約30萬例，是女性發(fā)病率最高的率[2]。開發(fā)基于人工智能(artificialintelligence,AI)輔助的乳腺影像率。另外，乳腺影像AI應(yīng)用在乳腺癌精準(zhǔn)診斷、分期、分子分型及療效評(píng)價(jià)等總結(jié)起來主要分為兩大類：傳統(tǒng)影像組學(xué)方法和深度學(xué)習(xí)方法[3-5]。雖然兩提取乳腺腫瘤影像學(xué)特征的方式不同[6]。影像組學(xué)的概念最早是由荷蘭學(xué)者Lambin于2012年提出，是指高通量地從醫(yī)學(xué)影像中(如X線影像、CT、MRI等)提取大量的定量影像特征，運(yùn)用數(shù)據(jù)挖掘的方法實(shí)現(xiàn)對(duì)腫瘤疾病的診斷和預(yù)測等[7]。影像組學(xué)技術(shù)是從計(jì)算機(jī)輔助過挖掘海量的定量影像特征來表征腫瘤的異質(zhì)性，用于輔助醫(yī)師進(jìn)行臨床決策[8]。在乳腺腫瘤影像的處理和分析上，影像組學(xué)方法也得到了廣泛的應(yīng)用，類模型構(gòu)建和測試等步驟[9]。端的模型實(shí)現(xiàn)乳腺腫瘤的檢測、診斷和預(yù)測等[10]。目前，卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetworks,CNN)是組成，常見的經(jīng)典模型如AlexNet、VGG、GoogleNet測和診斷中[6]。相比于傳統(tǒng)影像組學(xué)模型，深度學(xué)習(xí)模型不需要預(yù)先定義特二、乳腺腫瘤影像AI研究和應(yīng)用現(xiàn)狀自20世紀(jì)60年代國內(nèi)外學(xué)者就開始對(duì)AI技術(shù)在乳腺腫瘤影像中的應(yīng)用展開研究[10]。1998年美國食品藥品監(jiān)督管理局(foodanddrugadministration,FDA)首次批準(zhǔn)了用于乳腺癌篩查的乳腺X線攝影CAD系統(tǒng)[11]。近年來，隨著影像組學(xué)和深度學(xué)習(xí)等AI技術(shù)的不AI的應(yīng)用研究也越來越多。乳腺腫瘤影像AI的技術(shù)進(jìn)步和發(fā)展，不僅促進(jìn)了相關(guān)AI產(chǎn)品的創(chuàng)新與研發(fā)，同時(shí)也加速了臨床轉(zhuǎn)化與在乳腺腫瘤檢測、分割和良性與惡性鑒別方面，國內(nèi)外AI團(tuán)隊(duì)的研究涉及并且已有部分轉(zhuǎn)化成果產(chǎn)出[12-13]?；谏疃葘W(xué)習(xí)的乳腺X線AI系統(tǒng)，在腫塊和鈣化檢測方面幾乎與醫(yī)學(xué)影像專家的水準(zhǔn)相當(dāng)[14],在病灶的良性與惡性判別上甚至超越了一般醫(yī)學(xué)影像醫(yī)師的水平[15-17],而融合X線影像和臨imagingreportinganddatasystemBIRAD鑒別的精度[18]。在DBT、DCE-MRI影像研究方面，基于影像組學(xué)的AI模型薦的活體組織檢查次數(shù)[19]。此外，基于超聲影像的AI系統(tǒng)也可以對(duì)乳腺腫進(jìn)行診斷，結(jié)果顯示受體狀態(tài)與分子亞型有很強(qiáng)的相關(guān)性[22]。以上針對(duì)乳腺癌分子亞型的研究證實(shí)，融合不同模態(tài)的乳腺影像構(gòu)建AI模型預(yù)測乳腺癌的分者腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)[23]。研究證實(shí)，融合MRI影像組學(xué)特征與臨床、病理和分子特征的多組學(xué)特征融合AI模型，不僅能夠在治療前準(zhǔn)確預(yù)測早期浸潤乳腺癌腋窩淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)，而且可以挖掘MRI影像組學(xué)特征與腫瘤微環(huán)境(包括免疫細(xì)胞、長鏈非編碼RNA和甲基化位點(diǎn)類型)之間的關(guān)聯(lián)性信息[24]。而預(yù)測臨床陰性腋窩淋巴結(jié)轉(zhuǎn)移[25]。由此可見，基于乳腺影像的AI技術(shù)可以合治療中具有指導(dǎo)性作用。研究證實(shí)，與OncotypeDX復(fù)發(fā)評(píng)分相關(guān)的術(shù)前DCE-MRI影像組學(xué)特征，不僅可以評(píng)估乳腺癌NAC治療效果，還能夠預(yù)測生存情況[26]。而基于多時(shí)間點(diǎn)超聲圖像的深度學(xué)習(xí)模型，可以提升乳腺癌NAC治療療效預(yù)測的精度[27]。因此，基于乳腺影像的AI技術(shù)可以早期預(yù)測乳腺癌NAC雖然乳腺腫瘤影像中的AI技術(shù)已得到了廣泛的研究，但是到最終的臨床落地應(yīng)用仍存在一定的距離，主要是因?yàn)檫€面臨以下挑據(jù)標(biāo)準(zhǔn)化、歸一化的問題，確保乳腺影像數(shù)據(jù)的穩(wěn)定性是當(dāng)務(wù)之急。(2)缺少基于多模態(tài)影像的高性能AI算法。設(shè)計(jì)和開發(fā)魯棒性強(qiáng)、特異度好的乳腺影像 (如CT、MRI、鉬靶X線、超聲影像等)和臨床信息是大幅度提升乳腺AI系統(tǒng)乳腺AI算法與影像設(shè)備間兼容性不足。由于不同影像設(shè)備在乳腺影像拍攝和重現(xiàn)有乳腺腫瘤影像AI研究開發(fā)大多基于回顧性數(shù)據(jù)，若要應(yīng)用于臨床需開展大數(shù)據(jù)的一致性，基于AI技術(shù)開發(fā)新的圖像預(yù)處理技術(shù)，將有助于進(jìn)一步減少多AI模型。因?yàn)獒t(yī)學(xué)影像包含患者的隱私信息，醫(yī)院通常將數(shù)據(jù)保存在本地的數(shù)展乳腺多模態(tài)影像AI研究。在分子生物學(xué)領(lǐng)域，多組學(xué)分析方法作為一種革命展前瞻性乳腺影像AI研究?；仡櫺匝芯侩y以保證數(shù)據(jù)的采集和入組信息的一致距真正實(shí)現(xiàn)新一代乳腺影像AI系統(tǒng)的臨床應(yīng)用落地還有一段距離，但乳腺影像AI技術(shù)為乳腺影像診斷學(xué)科發(fā)展提供了新的動(dòng)力，也展示了未來智能醫(yī)學(xué)影像[2]中國抗癌協(xié)會(huì)乳腺癌專業(yè)委員會(huì).中國抗癌協(xié)會(huì)乳腺癌診治指南與規(guī)范(2021年版)[J].中國癌癥雜志，2021,31(10):954-1040.DOI:10.19401/ki.1007-3639.2021.10.01ionaccuracyofmammographywiththeconcurrintelligencetool[J].RadiolArtifIntell,2020,2(6):e190DOImentsusingartificialintejmir.2019.07.010.90/jcm9030749.plainablebreastcancerrecurrenceprediction[J].ArtifIntellMed,2[11]龔敬，郝雯，彭衛(wèi)軍.人工智能技術(shù)在乳腺影像學(xué)診斷中的應(yīng)用現(xiàn)狀與展望[J].腫瘤影像學(xué)，2019,28(3):134-138.DOI:10.19732/ki.2096-62breastcancerwithmammographyeffectofofbreastcanceronMRIJMagnResonImntelligenceAIfortheearlydetectimethodsforthediagnosisofbreastcanceriewBreastCancerDoveMe47/BCTT.S175311.mammographyandclinicalfactorsfacilitatesthemalignancypredictionofBIRADSmicrocalcifica-y.[19]姜文研，牛淑嫻，張夢(mèng)瑤，等.乳腺DBT影像組學(xué)對(duì)乳腺腫塊良惡性的鑒別研究[J].中國臨床醫(yī)學(xué)影像雜志，2020,31(6):398-402.DOI:10.12117/jccmi.202[20]于騰飛，何文，甘從貴，等.基于深度學(xué)習(xí)超聲在乳腺腫塊四分類中的應(yīng)用價(jià)值[J].中華超聲影像學(xué)雜志，2020,29(4):337-342.DOI:10.3760/cma.j.cInt,2018,2018:4605191.DOIpositivebreastcanceramulticoho