人工智能在乳腺癌超聲診斷的應(yīng)用價值

楊磊 唐燦

1雙流區(qū)中醫(yī)醫(yī)院功能科（成都610000）；2四川大學(xué)華西醫(yī)院超聲科（成都610000）

最新研究表明，乳腺癌發(fā)病率近年來在全球范圍內(nèi)不斷上升，對女性健康影響較大［1-2］。如何對早期發(fā)現(xiàn)的乳腺腫瘤準(zhǔn)確判斷性質(zhì)，不僅關(guān)系到臨床治療方式的選擇，而且關(guān)系到患者的后期生存和生活質(zhì)量。傳統(tǒng)超聲檢查是通過人工視覺獲取影像信息，主觀因素影響較大。醫(yī)生往往通過經(jīng)驗來判斷病變的良惡性，缺乏統(tǒng)一、規(guī)范的共識，難以形成一致且正確的診斷結(jié)果［3］。BI-RADS分類的提出規(guī)范了乳腺超聲診斷報告，但由于“同圖異病”、“同病異圖”等特點(diǎn)，使得BI-RADS 分類在臨床工作中存在一定的局限性。

通過人工智能讀片，不僅能縮短檢查時間，還可以充分提高超聲醫(yī)師對疾病的診斷效率，未來將逐漸取代大多數(shù)的人工勞動和肉眼分析，對超聲醫(yī)學(xué)發(fā)展將起到極其重要的作用［4］。本研究將比較CAD 機(jī)器診斷系統(tǒng)和醫(yī)師讀圖對乳腺良惡性病變的診斷效果，探討CAD 機(jī)器診斷系統(tǒng)對乳腺癌的診斷價值以及如何應(yīng)用可以輔助醫(yī)師提高乳腺癌的診斷水平。

1 資料與方法

1.1 研究對象選取2018年1月至2020年12月在我院進(jìn)行乳腺穿刺活檢或手術(shù)切除的乳腺病變患者5 311 例為研究對象，共計13 277 幅超聲圖像，所有病例均有病理結(jié)果，且超聲資料齊全。一個切面只包含一個病變。納入病例乳腺病變BIRADS 分類為3、4、5 類。超聲檢查儀器型號包括PHILIPS IU22、Supersonic imagine Aixplorer V、GE LOGIQ e9、HITACHI H9 等，使用寬頻線陣探頭，頻率5.0 ～10.0 MHz?；颊邫z查前均簽署了知情同意書。超聲圖像排除標(biāo)準(zhǔn)：（1）同一切面包含多個病變；（2）病變直徑＞5 cm，一個切面無法顯示完整病變。

1.2 BI-RADS分類標(biāo)準(zhǔn)采用美國放射學(xué)會（American College of Radiology，ACR）乳腺影像報告和數(shù)據(jù)系統(tǒng)（breast imaging reporting and data system，BI-RADS）標(biāo)準(zhǔn)進(jìn)行BI-RADS 評估分類，將乳腺病變分為3類、4A類、4B類、4C類和5類。評估分類結(jié)果采用兩分法進(jìn)行評價：BI-RADS 4A 類以下（包含BI-RADS 4A類）評估為“可能良性”；BI-RADS 4A類以上（不含BI-RADS 4A類）評估為“可能惡性”［5］。

1.3 診斷方法以病理結(jié)果為對照，比較醫(yī)師讀圖和CAD機(jī)器診斷系統(tǒng)對乳腺病變的良惡性判斷結(jié)果。

1.3.1 一致性檢驗兩名有5年以上乳腺超聲檢查經(jīng)驗的醫(yī)師前期選取了50 例患者超聲圖像，采取盲法讀圖，完成BI-RADS 評估分類，對分類結(jié)果與病理結(jié)果進(jìn)行Kappa 一致性檢驗［6］。

1.3.2 醫(yī)師讀圖兩位醫(yī)師采取盲法讀圖，對所有5 311 個乳腺病變通過形態(tài)、方位、邊緣、回聲模式、后方回聲特征、鈣化、血供及其他相關(guān)特征，參照BI-RADS 分類標(biāo)準(zhǔn)進(jìn)行分類［7］。

1.3.3 人工智能診斷人工智能診斷采用德尚韻興超聲乳腺智能輔助診斷系統(tǒng)，輸入乳腺超聲圖像，機(jī)器自動給出良惡性概率值（概率值范圍0～1）。

1.3.4 聯(lián)合診斷根據(jù)醫(yī)師讀圖和CAD 機(jī)器診斷結(jié)果比較，對BI-RADS 分類進(jìn)行優(yōu)化調(diào)級，CAD 組分析為良性者，4B 類降為4A 類；CAD 組分析為惡性者，4A 類升為4B 類，其余不變。優(yōu)化調(diào)級后聯(lián)合兩者綜合判斷，再與醫(yī)師讀圖和CAD 機(jī)器診斷系統(tǒng)診斷結(jié)果進(jìn)行比較。

1.4 統(tǒng)計學(xué)方法所有數(shù)據(jù)錄入Excel 表建庫，采用SPSS 20.0 軟件進(jìn)行統(tǒng)計學(xué)分析。計數(shù)資料比較采用χ2檢驗。醫(yī)師讀圖采用兩分法，CAD 機(jī)器診斷根據(jù)截斷值（cut-off 值）把乳腺病變分為良性和惡性兩類，計算敏感度、特異度、準(zhǔn)確度、陽性預(yù)測值和陰性預(yù)測值。繪制診斷方法對乳腺良惡性病變判斷的ROC 曲線，計算曲線下面積（AUC），ROC曲線下面積比較采用Z檢驗。以P＜0.05 為差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 病理結(jié)果5 311 例患者中，乳腺病變良性3 214 例，乳腺病變惡性2 097 例。見表1。

表1 5 311 例乳腺病變病理類型分布Tab.1 Distribution of pathological types of 5 311 cases of breast lesions

2.2 醫(yī)師讀圖診斷兩位醫(yī)師前期對50 個病例盲法讀圖，其BI-RADS 評估分類和病理結(jié)果的一致性研究kappa 值為0.75，一致性高。5 311 例病例中，BI-RADS 分類3 類1 028 例，4A 類1 579 例，4B 類954 例，4C 類1 056 例，5 類694 例。醫(yī)師讀圖診斷結(jié)果和病理對照見表2。ROC 曲線下面積為0.837，敏感度、特異度、準(zhǔn)確度分別為91.65%、75.67%、81.98%。陽性預(yù)測值為71.08%，陰性預(yù)測值為93.29%。ROC 曲線見圖1。

表2 醫(yī)師讀圖BI-RADS 分類和病理結(jié)果對照Tab.2 Comparison of BI-RADS classification and pathological results

2.3 CAD 機(jī)器診斷系統(tǒng)按照ROC 曲線計算的乳腺病變良惡性判斷的最佳截斷值為0.611，概率值＜0.611 者共3 113 例，考慮為良性（圖2A-B）；概率值＞0.611 者共2 198 例，考慮為惡性（圖2C-D）。CAD 機(jī)器診斷與病理結(jié)果對照見表3。CAD 機(jī)器診斷系統(tǒng)ROC 曲線下面積為0.880，敏感度、特異度和準(zhǔn)確度分別為87.41%、88.64%和88.16%，陽性預(yù)測值為83.39%，陰性預(yù)測值為91.52%。ROC曲線見圖3。

圖2 CAD 機(jī)器診斷系統(tǒng)診斷的典型病例圖像Fig.2 Images of typical cases diagnosed by CAD machine diagnostic system

圖3 CAD 機(jī)器診斷系統(tǒng)診斷乳腺病變的ROC 曲線Fig.3 ROC curve of breast lesions diagnosed by CAD machine diagnosis system

表3 CAD 機(jī)器診斷良惡性分類和病理結(jié)果對照Tab.3 CAD machine diagnosis of benign and malignant classification and pathological results comparison table 例

2.4 CAD 系統(tǒng)和醫(yī)師讀圖聯(lián)合診斷醫(yī)師診斷的BI-RADS 分類4A、4B 類的病例和CAD 機(jī)器診斷不一致共571 例，其中82 例4A 類CAD 診斷為惡性，489 例4B 類CAD 診斷為良性，見表4、圖4。經(jīng)過優(yōu)化調(diào)級后兩者聯(lián)合診斷，BI-RADS 分類3 類1 028 例，4A 類1 986 例，4B 類547 例，4C 類1 056例，5 類694 例，聯(lián)合診斷與病理結(jié)果對照見表5。ROC 曲線下面積為0.927，敏感度、特異度、準(zhǔn)確度分別為96.91%、88.41%、91.56%，陽性預(yù)測值為83.15%，陰性預(yù)測值為97.98%。ROC 曲線見圖5。

表4 醫(yī)師診斷BI-RADS 分類和CAD 機(jī)器診斷不一致結(jié)果Tab.4 Results of inconsistencies between BI-RADS classification and CAD machine diagnosis

表5 CAD 系統(tǒng)和醫(yī)師讀圖聯(lián)合診斷BI-RADS 分類和病理結(jié)果對照Tab.5 Comparison of BI-RADS classification and pathological results of combined diagnosis by CAD system and doctor reading

圖4 BI-RADS 分類診斷和CAD 機(jī)器診斷不一致典型病例Fig.4 Typical cases of inconsistency between BI-RADS classification diagnosis and CAD machine diagnosis

圖5 CAD 機(jī)器診斷聯(lián)合BI-RADS 分類診斷乳腺病變的ROC 曲線Fig.5 The ROC curve of CAD machine diagnosis combined with BI-RADS classification to diagnose breast lesions

2.5 CAD 系統(tǒng)、醫(yī)師讀圖BI-RADS 分類和聯(lián)合診斷三者比較三者ROC 曲線下面積比較，差異有統(tǒng)計學(xué)意義（P＜0.05）；醫(yī)師讀圖和CAD 系統(tǒng)比較，特異度差異有統(tǒng)計學(xué)意義（P＜0.05）；CAD 系統(tǒng)和聯(lián)合診斷比較，敏感度差異有統(tǒng)計學(xué)意義（P＜0.05）；醫(yī)師診斷和聯(lián)合診斷比較，特異度、準(zhǔn)確度差異有統(tǒng)計學(xué)意義（P＜0.05）。

3 討論

目前，BI-RADS 分類在臨床中得到了廣泛應(yīng)用，使得乳腺病變的超聲描述得到進(jìn)一步的統(tǒng)一和規(guī)范［8］。另一方面，各級醫(yī)療機(jī)構(gòu)、各級醫(yī)師、醫(yī)患之間也構(gòu)筑了統(tǒng)一的認(rèn)識平臺，能夠有效指導(dǎo)臨床及患者選擇更好的治療方式［9］。本研究顯示，常規(guī)超聲的BI-RADS 分類判斷乳腺病變良惡性，其敏感度為91.65%，說明BI-RADS 分類對乳腺病變良惡性的判斷比較準(zhǔn)確，敏感度較高，適合作為乳腺癌篩查。但是在實踐工作中也要重視BIRADS 分類的局限性，尤其是BI-RADS 4A、4B、4C三個亞類之間，由于一直沒有清晰客觀的分類細(xì)則，超聲醫(yī)師對圖像特征的識別主觀因素影響較大［10］，導(dǎo)致假陽性率高。

深度學(xué)習(xí)作為一項突破性科學(xué)技術(shù)［11］在乳腺癌中的研究主要集中在影像學(xué)和病理學(xué)方面，如肺部CT、先天性ASD 篩查［12］等，其智能決策逐步受到國內(nèi)外臨床醫(yī)師的青睞［13］。人工智能深度學(xué)習(xí)的模型訓(xùn)練一般包括圖像預(yù)處理、感興趣區(qū)標(biāo)注、圖像特征的提取、分類識別等［14］。雖然在前期的模型訓(xùn)練中，需要對超聲圖像中的病變采用人工描跡的方法來對感興趣區(qū)進(jìn)行標(biāo)注，工作量繁重，花費(fèi)大量時間，但通過大量數(shù)據(jù)訓(xùn)練模型建立后，最終呈現(xiàn)給使用者病變自動識別和自動標(biāo)注［15］。本研究中的CAD 機(jī)器診斷系統(tǒng)就能夠自動尋找病變，自動勾畫病變邊緣，標(biāo)注病變的范圍及感興趣區(qū)，從而避免了傳統(tǒng)標(biāo)注方式需要大量人工標(biāo)注的缺陷［16］。本研究進(jìn)一步顯示，該CAD 機(jī)器診斷系統(tǒng)能提升超聲診斷乳腺癌的特異度。乳腺病變的計算機(jī)深度學(xué)習(xí)，作為一種新興的診斷工具，能夠高通量從超聲圖像中提取和分析大量全面的、定量的圖像特征［17］，有助于量化常規(guī)超聲圖像中肉眼難以區(qū)分的組織間的差異，以達(dá)到對腫瘤異質(zhì)性進(jìn)行全面定量評價的目的。

本研究發(fā)現(xiàn)兩種方法聯(lián)合使用后，能提高乳腺病變良惡性判斷的特異度和準(zhǔn)確度，該診斷方法比單一的超聲診斷或CAD 診斷效果更好，可降低誤診率，可為臨床提供更加全面、準(zhǔn)確的影像診斷依據(jù)。

本研究的不足主要在于：（1）計算機(jī)深度學(xué)習(xí)需要大數(shù)據(jù)訓(xùn)練，所以后續(xù)還需不斷擴(kuò)大樣本量，使研究結(jié)果將更加準(zhǔn)確、客觀。（2）乳腺疾病的多模態(tài)診斷是當(dāng)前研究的熱點(diǎn)問題，后續(xù)還可以聯(lián)合其他超聲技術(shù)如彈性成像、超聲造影等，提高乳腺疾病診斷的準(zhǔn)確性，為臨床提供更加可靠的依據(jù)。（3）本研究沒有對醫(yī)師之間進(jìn)行分層研究（有經(jīng)驗組和無經(jīng)驗組），也只進(jìn)行了單中心的研究，在以后的研究中將逐步完善研究內(nèi)容。（4）超聲圖像的質(zhì)量高低影響著人工智能的閱片效果。CAD對于未被訓(xùn)練的疾病，不能像人腦一樣，及時作出應(yīng)變和創(chuàng)新。而且，現(xiàn)代醫(yī)學(xué)具有明顯的人文社會特質(zhì)［18］，如何實現(xiàn)倫理和實際的統(tǒng)一，以及如何監(jiān)管和研究也是要不斷研究的課題。

綜上所述，相比較醫(yī)師讀圖診斷，CAD 機(jī)器診斷系統(tǒng)聯(lián)合診斷對乳腺癌的良惡性判斷效果更好，可以輔助超聲醫(yī)師提高對乳腺癌的診斷水平。