人工智能在乳腺腫瘤影像中的應(yīng)用現(xiàn)狀及展望

摘要

人工智能技術(shù)在乳腺腫瘤影像中的應(yīng)用是當(dāng)前研究的熱點(diǎn)。該文對目前常用的傳統(tǒng)影像組學(xué)和深度學(xué)習(xí)兩種方法進(jìn)行介紹，評述了人工智能在乳腺腫瘤檢測、分割和良性與惡性鑒別，乳腺癌分子亞型研究，乳腺癌淋巴結(jié)轉(zhuǎn)移的臨床評估，乳腺癌新輔助化療療效預(yù)測和預(yù)后評估四個(gè)方面的研究和應(yīng)用現(xiàn)狀，針對現(xiàn)有研究中存在的問題進(jìn)行歸納和分析，并指出未來的研究方向。在全球范圍內(nèi)，乳腺癌已成為發(fā)病率最高的惡性腫瘤，也是女性癌癥死亡的主要原因。在我國乳腺癌每年新發(fā)病例大約30萬例，是女性發(fā)病率最高的惡性腫瘤。研究證實(shí)，積極有效的早期篩查可以提高乳腺癌的早診率、降低病死率。開發(fā)基于人工智能（artificialintelligence，AI）輔助的乳腺影像診斷軟件將有助于盡快提升國內(nèi)外乳腺影像診斷的整體水平，提升乳腺癌的生存率。另外，乳腺影像AI應(yīng)用在乳腺癌精準(zhǔn)診斷、分期、分子分型及療效評價(jià)等方面展示了良好的應(yīng)用前景，應(yīng)該努力實(shí)現(xiàn)臨床轉(zhuǎn)化。一、乳腺腫瘤影像研究中的AI技術(shù)

目前，針對乳腺腫瘤影像，國內(nèi)外學(xué)者提出了多種的AI分析和處理技術(shù)，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。雖然兩種方法在應(yīng)用方向或領(lǐng)域上相似，均可應(yīng)用于乳腺腫瘤的檢測、診斷、分子分型、療效預(yù)測和預(yù)后評估等方面，但是二者也存在一些不同，其中最主要的區(qū)別在于提取乳腺腫瘤影像學(xué)特征的方式不同。影像組學(xué)的概念最早是由荷蘭學(xué)者于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)對腫瘤疾病的診斷和預(yù)測等。影像組學(xué)技術(shù)是從計(jì)算機(jī)輔助檢測/診斷（computer-aideddetection/diagnosis，CAD）技術(shù)發(fā)展而來，通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。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，總體上來講其處理流程主要包括：圖像預(yù)處理、腫瘤分割、特征提取與優(yōu)化、分類模型構(gòu)建和測試等步驟。深度學(xué)習(xí)方法則不同于傳統(tǒng)影像組學(xué)方法，它是通過多層神經(jīng)網(wǎng)絡(luò)構(gòu)建端到端的模型實(shí)現(xiàn)乳腺腫瘤的檢測、診斷和預(yù)測等。目前，卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetworks，CNN）是乳腺腫瘤研究中最常用的深度學(xué)習(xí)模型。CNN模型主要是由一系列的輸入層、卷積層、激活函數(shù)、池化層和全連接層組成，常見的經(jīng)典模型如AlexNet、VGG、GoogleNet等已被應(yīng)用于乳腺腫瘤的檢測和診斷中。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)先定義特征，可以通過模型的迭代訓(xùn)練自動(dòng)從乳腺腫瘤影像中挖掘出有價(jià)值的深層圖像信息，具有更高的預(yù)測性能。但作為一種數(shù)據(jù)驅(qū)動(dòng)的算法，高性能深度學(xué)習(xí)模型的訓(xùn)練往往需要成千上萬的樣本。由于目前缺乏多中心的大樣本數(shù)據(jù)集，導(dǎo)致現(xiàn)有研究中的模型很難實(shí)現(xiàn)臨床轉(zhuǎn)化和應(yīng)用。此外，深度學(xué)習(xí)模型的“黑箱”性質(zhì)使其可解釋性較差，探索基于乳腺腫瘤影像的深度學(xué)習(xí)模型可解釋性方法也至關(guān)重要。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AI技術(shù)在乳腺腫瘤影像中的應(yīng)用展開研究。1998年美國食品藥品監(jiān)督管理局（foodanddrugadministration，F(xiàn)DA）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)的不斷發(fā)展，影像AI在乳腺腫瘤檢測、分割和良性與惡性鑒別，乳腺癌分子亞型研究，乳腺癌淋巴結(jié)轉(zhuǎn)移的臨床評估，乳腺癌新輔助化療（neoadjuvantchemotherapy，NAC）療效預(yù)測和預(yù)后評估等方面的應(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)化與應(yīng)用。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)的研究涉及乳腺X線、數(shù)字乳腺斷層攝影術(shù)（digitalbreasttomosynthsis，DBT）、動(dòng)態(tài)增強(qiáng)MRI（dynamiccontrastenhancedMRI，DCE-MRI）和乳腺超聲等領(lǐng)域，并且已有部分轉(zhuǎn)化成果產(chǎn)出?；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)，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，而融合X線影像和臨床特征的深度學(xué)習(xí)模型，則可以進(jìn)一步提升乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)（breastimagingreportinganddatasystem，BI-RADS）4類微鈣化病灶良性與惡性鑒別的精度。在DBT、DCE-MRI影像研究方面，基于影像組學(xué)的AI模型可以無創(chuàng)輔助鑒別乳腺腫瘤的良性與惡性，具有較高的靈敏度，能夠輔助降低推薦的活體組織檢查次數(shù)。此外，基于超聲影像的AI系統(tǒng)也可以對乳腺腫塊進(jìn)行更細(xì)致的分類，提高診斷準(zhǔn)確度，指導(dǎo)乳腺腫瘤患者的治療。目前，應(yīng)用于臨床的乳腺相關(guān)輔助診斷系統(tǒng)大多集中于乳腺傳統(tǒng)X線成像，國產(chǎn)乳腺影像相關(guān)AI產(chǎn)品的性能接近國際產(chǎn)品水平，但尚未有AI輔助乳腺影像診斷軟件真正的落地。部分國外已經(jīng)通過FDA批準(zhǔn)的項(xiàng)目目前正在國內(nèi)開展臨床試驗(yàn)，希望能盡快應(yīng)用于臨床。乳腺癌的臨床亞型與治療方案選擇密切相關(guān)，可直接影響治療效果。在乳腺癌分子亞型研究方面，AI技術(shù)可以通過圖像分析預(yù)測乳腺癌的分子亞型，為治療方案選擇提供技術(shù)支持。研究證實(shí)，通過開發(fā)和驗(yàn)證可解釋、可重復(fù)的機(jī)器學(xué)習(xí)模型，能夠從臨床信息、乳腺X線和MRI圖像中預(yù)測乳腺癌的分子亞型。而基于超聲影像的深度學(xué)習(xí)方法，則可以結(jié)合免疫組織化學(xué)方法對浸潤性導(dǎo)管癌進(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。以上針對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)測乳腺癌的分子亞型，可為臨床的個(gè)性化精準(zhǔn)治療提供有利依據(jù)。淋巴結(jié)轉(zhuǎn)移存在與否，可直接影響臨床治療決策及乳腺癌的預(yù)后。在乳腺癌淋巴結(jié)轉(zhuǎn)移的臨床評估方面，AI技術(shù)可以早期預(yù)測臨床淋巴結(jié)陰性的乳腺癌患者腋窩淋巴結(jié)轉(zhuǎn)移狀態(tài)。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)測早期浸潤性乳腺癌腋窩淋巴結(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。而基于超聲圖像的深度學(xué)習(xí)模型能通過原發(fā)性乳腺癌患者的腫瘤異質(zhì)性信息，有效預(yù)測臨床陰性腋窩淋巴結(jié)轉(zhuǎn)移。由此可見，基于乳腺影像的AI技術(shù)可以早期預(yù)測乳腺癌的疾病發(fā)展趨勢，從而為治療爭取更多的時(shí)間，延長生存時(shí)間，提高生活質(zhì)量。NAC是乳腺癌規(guī)范化治療方案之一，可以使腫瘤降期，提高患者保乳率。在乳腺癌NAC療效預(yù)測和預(yù)后評估方面，AI技術(shù)能夠挖掘乳腺腫瘤影像的異質(zhì)特征，可以早期預(yù)測患者NAC療效，實(shí)現(xiàn)個(gè)體化精準(zhǔn)醫(yī)療，在乳腺癌臨床診斷和綜合治療中具有指導(dǎo)性作用。研究證實(shí)，與OncotypeDX復(fù)發(fā)評分相關(guān)的術(shù)前DCE-MRI影像組學(xué)特征，不僅可以評估乳腺癌NAC治療效果，還能夠預(yù)測生存情況。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。因此，基于乳腺影像的AI技術(shù)可以早期預(yù)測乳腺癌NAC療效和預(yù)后，從而為患者提供個(gè)性化的精準(zhǔn)治療方案。三、乳腺腫瘤影像AI研究的挑戰(zhàn)和方向

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€面臨以下挑戰(zhàn)：（1）缺少統(tǒng)一標(biāo)準(zhǔn)的高質(zhì)量乳腺影像數(shù)據(jù)庫。從數(shù)據(jù)采集到數(shù)據(jù)標(biāo)注制定統(tǒng)一標(biāo)準(zhǔn)，從源頭上解決數(shù)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智能分析算法，能跟蹤和同步最新診斷標(biāo)準(zhǔn)和指南，整合和應(yīng)用多模態(tài)影像數(shù)據(jù)（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)在乳腺腫瘤診斷、分期、分子分型和療效評價(jià)等方面準(zhǔn)確度的關(guān)鍵。（3）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建上的技術(shù)存在一定的差異，因此，AI算法的開發(fā)需要與影像設(shè)備廠商協(xié)同推進(jìn)，制定針對不同設(shè)備的個(gè)性化優(yōu)化方案。（4）缺乏前瞻性的臨床驗(yàn)證與測試。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)用于臨床需開展大規(guī)模的多中心前瞻性研究，對其進(jìn)行驗(yàn)證和測試?；谝陨系奶魬?zhàn)，乳腺影像AI研究可以從以下幾個(gè)方面開展工作：（1）制定乳腺腫瘤標(biāo)注的共識或指南，針對不同的模態(tài)，不同的成像序列，建立標(biāo)注的規(guī)范，保證標(biāo)注的準(zhǔn)確性和一致性。目前針對肝臟局部病灶已經(jīng)有國內(nèi)發(fā)布的共識，而在乳腺方面還沒有相應(yīng)的共識發(fā)布。（2）構(gòu)建乳腺影像標(biāo)準(zhǔn)的預(yù)處理流程。預(yù)處理可以減少來自不同設(shè)備不同中心數(shù)據(jù)之間的差異性，然而采用何種預(yù)處理方法，達(dá)到什么樣的效果，目前還沒有定論。另外，常規(guī)的預(yù)處理方法，包括圖像重采樣，灰度離散化，直方圖標(biāo)準(zhǔn)化只能減少差異，并沒有達(dá)到不同中心數(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)一步減少多中心數(shù)據(jù)的差異性。（3）基于聯(lián)邦學(xué)習(xí)，開發(fā)高性能，泛化能力強(qiáng)的乳腺影像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)據(jù)庫中，無法廣泛共享。聯(lián)邦學(xué)習(xí)是一種多中心數(shù)據(jù)協(xié)作的解決方案，學(xué)習(xí)過程中，只從各個(gè)中心收集參數(shù)，而將原始數(shù)據(jù)保留在本地。針對不同中心設(shè)備不同，掃描參數(shù)不同，也通過聯(lián)邦領(lǐng)域泛化可以訓(xùn)練得到泛化性更好的模型。（4）開展乳腺多模態(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性的技術(shù)在腫瘤的研究中發(fā)揮了巨大的作用，其克服了單一組學(xué)數(shù)據(jù)提供信息的片面性，通過整合不同組學(xué)信息，更加全面地了解腫瘤的發(fā)病和進(jìn)展機(jī)制，對腫瘤的診療產(chǎn)生了巨大的影響。醫(yī)學(xué)影像同樣可以通過多模態(tài)獲取多方位的信息，包括結(jié)構(gòu)信息、功能信息以及分子信息。乳腺癌患者通常會做各種影像學(xué)和病理學(xué)檢查，因此可以通過整合X線、CT、MRI、超聲等多種模態(tài)的圖像信息，給予乳腺癌更精準(zhǔn)的診斷，更精準(zhǔn)的預(yù)后評估，更精準(zhǔn)的治療靈敏度預(yù)測。（5）開展前瞻性乳腺影像AI研究。回顧性研究難以保證數(shù)據(jù)的采集和入組信息的一致性，而前瞻性研究可以提前確立好影像掃