辛玉晶,周翔
國(guó)家癌癥中心/國(guó)家腫瘤臨床醫(yī)學(xué)研究中心/中國(guó)醫(yī)學(xué)科學(xué)院北京協(xié)和醫(yī)學(xué)院腫瘤醫(yī)院介入治療科,北京 100021
乳腺癌是全世界最常見的惡性腫瘤之一,也是導(dǎo)致女性惡性腫瘤死亡的主要原因,其發(fā)病率及病死率均逐年上升,且發(fā)病年齡呈年輕化趨勢(shì),因此早期診斷尤為重要[1-2]。醫(yī)學(xué)影像作為疾病診斷的重要依據(jù),具有嚴(yán)格的診斷標(biāo)準(zhǔn)和規(guī)范,因此基于醫(yī)學(xué)影像的人工智能分析開始得到廣泛研究和應(yīng)用。近年來(lái),隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和醫(yī)療技術(shù)的進(jìn)步,人工智能技術(shù)已經(jīng)在乳腺癌的診斷、治療、藥物研發(fā)及預(yù)后中有了實(shí)質(zhì)性的進(jìn)展,未來(lái)輔助臨床指導(dǎo)治療和預(yù)后已成為必然趨勢(shì)[3-5]。隨著計(jì)算機(jī)技術(shù)的發(fā)展、數(shù)據(jù)的爆發(fā)式增長(zhǎng)和各種高級(jí)算法的應(yīng)用,智能機(jī)器人、語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理以及專家系統(tǒng)等技術(shù)被廣泛地應(yīng)用于社會(huì)的不同領(lǐng)域,改變了人類的生活方式,提高了生活質(zhì)量[6-7]。目前人工智能技術(shù)已在醫(yī)療成像、體外診斷、手術(shù)導(dǎo)航、輔助治療、健康大數(shù)據(jù)等方面得到了實(shí)際應(yīng)用,并在提高腫瘤診斷率、新藥研發(fā)、改善診療體驗(yàn)以及判斷患者預(yù)后等方面發(fā)揮了重要作用[8-10]。
醫(yī)療電子化和云計(jì)算平臺(tái)的快速發(fā)展為大規(guī)模收集醫(yī)療數(shù)據(jù)創(chuàng)造了有利的條件,推動(dòng)了數(shù)據(jù)驅(qū)動(dòng)的智慧醫(yī)療的發(fā)展,使得精準(zhǔn)醫(yī)學(xué)成為可能。人工智能圖像分析模型可以從圖像數(shù)據(jù)中高通量地提取大量影像信息,實(shí)現(xiàn)腫瘤分割、特征提取與模型建立,對(duì)海量影像數(shù)據(jù)信息進(jìn)行更深層次的挖掘、預(yù)測(cè)和分析[11-12]。因此,人工智能在乳腺癌篩查和檢測(cè)中的應(yīng)用具有重要意義,不僅節(jié)約了放射科醫(yī)師和病理科醫(yī)師的時(shí)間,而且彌補(bǔ)了一些初學(xué)者經(jīng)驗(yàn)和技能的不足,可輔助醫(yī)師做出最準(zhǔn)確的診斷,提高工作效率,節(jié)約醫(yī)療資源。而且,醫(yī)療智能化在解決醫(yī)療資源分配不平衡和相對(duì)匱乏方面也發(fā)揮著越來(lái)越重要的作用。
乳腺X線攝影、超聲、磁共振成像(MRI)等影像技術(shù)是乳腺癌檢出、分期、療效評(píng)估以及隨訪的重要手段,這些影像診斷方法將患者的病死率降低了30%[13-14],但圖像處理和分析仍然需要依賴放射科醫(yī)師,需要更多的專業(yè)知識(shí)、經(jīng)驗(yàn)和時(shí)間。隨著數(shù)據(jù)驅(qū)動(dòng)的人工智能時(shí)代的到來(lái),智能模型可以對(duì)乳腺圖像進(jìn)行挖掘、預(yù)測(cè)和分析,輔助醫(yī)師診斷,提高工作效率。
乳腺X線攝影是乳腺癌主要的早期篩查方式,基于計(jì)算機(jī)視覺技術(shù)的算法主要應(yīng)用于計(jì)算機(jī)輔助診斷(computer aided diagnosis,CAD)系統(tǒng),用來(lái)提高腫塊和鈣化灶的檢出準(zhǔn)確性[15-16]。腫塊和微鈣化是乳腺癌的早期征象,通常很難將異常腫塊與正常乳腺組織區(qū)分開來(lái),CAD系統(tǒng)有助于放射科醫(yī)師有效地檢測(cè)異常。Dheeba等[17]研究了一種基于人工神經(jīng)網(wǎng)絡(luò)的乳腺數(shù)字圖像異常分類算法,該算法是根據(jù)從乳腺圖像中提取的紋理特征的規(guī)律,應(yīng)用模式分類器對(duì)可疑區(qū)域進(jìn)行分類,然后應(yīng)用于含有216例乳腺鉬靶片的臨床數(shù)據(jù)庫(kù),結(jié)果表明,該算法的受試者工作特征(receiver operating characteristic,ROC)曲線的曲線下面積為0.96853,靈敏度為94.167%,特異度為92.105%。Ragab等[18]提出了一種新的計(jì)算機(jī)輔助檢測(cè)系統(tǒng),通過卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)進(jìn)行特征提取,在公開數(shù)據(jù)集中進(jìn)行測(cè)試,其準(zhǔn)確度、特異度和靈敏度都得到了明顯改善。Kooi等[19]應(yīng)用深度學(xué)習(xí)網(wǎng)絡(luò)檢測(cè)乳腺X線圖像的腫塊和鈣化,通過對(duì)455 000張有標(biāo)簽的圖像進(jìn)行訓(xùn)練,準(zhǔn)確度高達(dá)90%,超過了傳統(tǒng)的CAD系統(tǒng)。
近年來(lái),除乳腺X線攝影外,超聲診斷乳腺癌的靈敏度也得到了提高,特別是對(duì)于致密型乳腺癌患者[20]。隨著彈性成像、超聲造影等新技術(shù)的發(fā)展,乳腺超聲在乳腺癌診斷中的作用正逐漸獲得重視。人工智能技術(shù)利用學(xué)習(xí)算法從超聲圖像中提取特征,建立模型,取得了較好的效果,目前基于超聲影像的人工智能圖像分析主要集中在乳腺癌的診斷以及結(jié)節(jié)分類等方面[21-24]。Han等[25]在一項(xiàng)研究中利用深度學(xué)習(xí)網(wǎng)絡(luò)分析乳腺超聲圖像,進(jìn)而區(qū)分乳腺結(jié)節(jié)的類型,通過對(duì)7408個(gè)乳腺超聲圖像進(jìn)行訓(xùn)練,該網(wǎng)絡(luò)的準(zhǔn)確度約為90%,靈敏度為86%,特異性為96%。Becker等[24]設(shè)計(jì)了一個(gè)通用的深度學(xué)習(xí)軟件(deep learning software,DLS),可根據(jù)乳腺超聲圖像對(duì)乳腺癌進(jìn)行分類,并將其性能與有經(jīng)驗(yàn)的超聲醫(yī)師進(jìn)行比較。該研究回顧性分析了647個(gè)超聲圖像,其中70%的圖像用于訓(xùn)練,剩下的30%用于驗(yàn)證性能,結(jié)果顯示其準(zhǔn)確度與超聲醫(yī)師相當(dāng)。說(shuō)明基于人工智能的乳腺分類器有助于診斷乳腺病變,且較無(wú)經(jīng)驗(yàn)的醫(yī)師學(xué)習(xí)得更好更快,而且其評(píng)估速度較快,使得實(shí)時(shí)圖像分析成為可能。
乳腺M(fèi)RI檢查較乳腺X線攝影和超聲具有更高的靈敏度和特異度。人工智能技術(shù)在乳腺M(fèi)RI中主要用于乳腺病變分類、圖像處理、新輔助治療和預(yù)后的影像學(xué)隨訪[26-27]。Sutton等[28]利用深度學(xué)習(xí)網(wǎng)絡(luò)從178個(gè)乳腺癌MRI圖像中提取特征,從而鑒別乳腺癌分子亞型,并結(jié)合病理資料來(lái)提高模型的準(zhǔn)確性,顯示了深度學(xué)習(xí)在MRI診斷乳腺癌中的廣闊前景。Braman等[29]對(duì)117例接受新輔助化療的乳腺癌患者的動(dòng)態(tài)增強(qiáng)MRI圖像特征進(jìn)行了高通量提取,通過腫瘤內(nèi)和瘤周放射組學(xué)聯(lián)合的方法,成功地預(yù)測(cè)了新輔助化療后的病理反應(yīng),表明人工智能可在定量分析乳腺M(fèi)RI圖像的基礎(chǔ)上識(shí)別和優(yōu)化更準(zhǔn)確、可靠的影像學(xué)標(biāo)記,可用于預(yù)測(cè)惡性腫瘤患者的預(yù)后,并幫助開發(fā)更有效的個(gè)性化腫瘤治療模式。
隨著人們對(duì)乳腺癌個(gè)性化治療需求的增長(zhǎng),臨床中迫切需要應(yīng)用更準(zhǔn)確的組織病理學(xué)診斷方法來(lái)提高乳腺癌的診斷質(zhì)量。人工智能可通過特定的算法對(duì)病理圖片進(jìn)行智能處理,通過訓(xùn)練和優(yōu)化算法,從而實(shí)現(xiàn)開發(fā)高精度、高效率的病理識(shí)別算法模型的目標(biāo)。最近人工智能的突破有望從根本上改變?nèi)橄偌膊〉脑\斷和治療方法[30-32]。Han等[31]通過深度學(xué)習(xí)模型對(duì)乳腺癌組織病理圖像進(jìn)行了訓(xùn)練、驗(yàn)證和測(cè)試,對(duì)乳腺癌進(jìn)行了多種分類,并取得了93.2%的準(zhǔn)確率。另外,對(duì)前哨淋巴結(jié)(sentinel lymph node,SLN)進(jìn)行組織病理學(xué)分析是評(píng)估乳腺癌分期的重要步驟。然而,病理學(xué)家評(píng)估SLN的靈敏度并不理想,而且SLN的評(píng)估既冗長(zhǎng)又耗時(shí)。已有研究表明,深度學(xué)習(xí)算法能夠以100%的靈敏度識(shí)別SLN載玻片中的轉(zhuǎn)移,這可以顯著降低病理學(xué)家的工作量[31,33]。Ehteshami Bejnordi等[34]研究了深度學(xué)習(xí)算法在淋巴結(jié)病理圖像識(shí)別中的應(yīng)用,其應(yīng)用開發(fā)的檢測(cè)淋巴結(jié)轉(zhuǎn)移的人工智能算法對(duì)129張完整的載玻片圖像(49張有轉(zhuǎn)移,80張無(wú)轉(zhuǎn)移)進(jìn)行獨(dú)立測(cè)試,從而評(píng)估算法的性能。同時(shí)11名病理學(xué)家組成的小組也評(píng)估了相同的測(cè)試集,在分類任務(wù)中,人工智能算法在診斷模擬方面明顯優(yōu)于病理學(xué)家。但這種方法是否具有臨床實(shí)用性,仍需要在臨床環(huán)境中進(jìn)行評(píng)估。
從目前的臨床應(yīng)用來(lái)看,人工智能在乳腺癌影像學(xué)診斷和病理圖像分析領(lǐng)域獲得了較好的應(yīng)用。就研究結(jié)果而言,其較高的靈敏度和特異度有助于輔助臨床診斷和治療,但仍有很多問題不容忽視[35-36]。技術(shù)問題:①依賴高質(zhì)量和大量的圖像數(shù)據(jù)。圖像數(shù)據(jù)的質(zhì)量、數(shù)量和組成是影響人工智能影像分析準(zhǔn)確性的關(guān)鍵因素,但其質(zhì)量標(biāo)準(zhǔn)及最佳方案尚未明確。②過度擬合。模型的泛化能力不足,實(shí)用性較差。③通用性較差。因各地醫(yī)院的疾病譜、成像設(shè)備和攝像技師的差異,訓(xùn)練出來(lái)的人工智能模型的通用性有待進(jìn)一步確認(rèn)。社會(huì)倫理問題:①人工智能的性能高度依賴于數(shù)據(jù),因此研發(fā)和應(yīng)用的過程中,在全國(guó)甚至全球范圍內(nèi)使用臨床影像數(shù)據(jù)可能存在法律和倫理方面的問題。②任何系統(tǒng)都不可能是完美的,如果出現(xiàn)錯(cuò)誤或錯(cuò)誤信息導(dǎo)致患者受到傷害,責(zé)任承擔(dān)問題需要解決。③臨床醫(yī)療行為具有極其鮮明的人文特質(zhì),人工智能無(wú)法替代醫(yī)師對(duì)患者的交流與安慰,尊重患者隱私以及對(duì)患者隱私的保護(hù)也是一個(gè)潛在的問題[37-38]。
應(yīng)用人工智能對(duì)乳腺癌圖像進(jìn)行分析相對(duì)于傳統(tǒng)的影像識(shí)別具有更高的靈敏度和可信度,相對(duì)于臨床醫(yī)師具有更高的效率。而且人工智能在醫(yī)學(xué)上的應(yīng)用可以為醫(yī)療資源匱乏的地區(qū)提供切實(shí)可行的解決方案,彌補(bǔ)了一些初學(xué)者經(jīng)驗(yàn)和技能的不足,從而輔助醫(yī)師做出最準(zhǔn)確的診斷,為更多乳腺疾病患者提供早期篩查診治的醫(yī)療條件,改善患者的生活質(zhì)量。目前基于人工智能的醫(yī)學(xué)應(yīng)用領(lǐng)域很多,包括疾病診斷、科研、治療決策支持等諸多方面,其發(fā)展及應(yīng)用的重要環(huán)節(jié)是人工智能技術(shù)與醫(yī)療工作的緊密結(jié)合,即醫(yī)師與計(jì)算機(jī)科學(xué)家或工程師的相互交流乃至深入合作。在乳腺癌領(lǐng)域應(yīng)用人工智能,對(duì)乳腺癌患者的益處是可以預(yù)見的,但其研發(fā)及應(yīng)用均存在很多尚待解決的問題,因此需要更多醫(yī)師和計(jì)算機(jī)專家的共同協(xié)作。人工智能技術(shù)為醫(yī)學(xué)事業(yè)注入了新的活力,將引發(fā)更廣范圍、更深層次的醫(yī)療變革。人們應(yīng)以更加積極的態(tài)度迎接人工智能的到來(lái),主動(dòng)了解甚至研發(fā)人工智能,促進(jìn)其發(fā)展。