如今，眼花缭乱的AI乳腺癌筛查研究成果，能告诉我们怎样的启示？AI报道带大家一探究竟。
首先我们来看一下此次发布在Nature上的成果：
谷歌Deepmind与英国皇家癌症研究中心、美国西北大学医院合作，经过两年多的研究，创建了一个AI系统。英国名女性和美国名女性接受了乳房X光检查（目前诊断乳腺癌首选的影像学检查方法），这些数据用于训练该AI系统。训练后的AI系统在患有乳腺癌的女性乳房X光中识别乳腺癌是否存在。结果显示该AI系统的表现既超过了最初评估乳房X光照片的放射科医生的判断，也超过了6名专家放射科医生（他们在一项对照研究中随机选择了例病例）。
据谷歌官方博客消息：该AI系统在一项对英国超过20名女性和美国超过名女性的乳腺癌筛查评估中，在英国假阳性的误诊率降低了1.2%，而在美国这一数据也下降了5.7%。而在假阴性的误诊率上，在英国降低了2.7%，在美国也减少了9.4%。
然而，这次研究的一大亮点则是该AI系统获得了大量数据的储备，为今后的课题打下了坚实的基础。该研究团队表示：“AI有朝一日可能会在帮助早期发现乳腺癌方面发挥作用。”
为什么还只是“可能”？
相比商业世界天花乱坠的空话，研究人员严谨的表述显得特别可贵。可以预见的是，实验室中的研究成果落地在临床上姑且还有很长的路要走，而现实世界比受控的研究环境更复杂，也更多样化，因此用“可能”来形容正是充分体现了研究人员严谨的态度。而且，这份研究涉及的群体并不全面，换而言之，数据虽比过去多，但依然不够完善，这一工具在医疗实践中的效用需待进一步的评估。
那么AI在乳腺癌筛查上已经胜过部分放射科医生，这个研究结果落实到临床，有什么意义呢？
两大意义：
1，改善放射科医生严重缺乏的窘境（这一点本文不做论述）
2，大大减低乳腺癌假阳性判断的难题
假阳性问题：尽管乳房X光检查已被广泛使用，但从早期乳腺癌筛查来看，仍然是一个挑战。因为读取这些X射线图像是一项艰巨的任务，即使对专家来说也是如此，在X线穿过被挤压的乳腺组织投影所得的图像上，正常乳腺组织往往互相重叠，让某些征象不易被发现，进而影响到最终结果，所以往往会出现假阳性和假阴性的误判。当通过针刺活检进行检测时，一旦乳房X光片上看似可疑，并具有异常细胞的话，一般情况下，患者通常会接受手术去除病变;然而，约有90％的病变在手术中被发现是良性的。这意味着每年都有数千名妇女经历了痛苦且昂贵的术后疤痕去除手术。这些不确定因素很可能导致检测和治疗的延误，给患者带来不必要的困扰，并增加已经应接不暇的放射科医生的工作量。
对此美国癌症协会表示，在乳房X光检查中，放射科医生大约有20%的乳腺癌误诊率，而在所有接受10年筛查的妇女中，有一半的人有假阳性结果。由此可见，该AI模型乳腺癌筛查的准确性比专家更高，这为未来的应用奠定了基础。一旦该AI系统应用于临床，将有利于降低放射科医生乳腺癌筛查的误诊率。AI将帮助放射科医生“看见”原本看不见的异常。而随着数据的不断完善，AI筛查的准确率会不断提高，将有利于降低假阳性和假阴性的误诊率。
AI与乳腺癌筛查的前世今生？
目前，乳腺X线摄影（钼靶）、超声、磁共振等影像技术已经成为乳腺癌检出、分期、疗效评估以及随访的重要手段。同时，乳腺计算机辅助诊断也已被广泛应用在X线对乳腺癌的筛查中。
年，那不勒斯第二大学的意大利学者Parmeggiani和其他学者一起开发出了用于改善乳腺X线识别效果的人工神经网络专家系统，该系统能辅助放射科专家获得更高的乳腺癌确诊率。
年，美医院Wong和Chang团队开发了自然语言处理软件算法，该算法准确获得了例乳腺癌患者乳腺X线摄影的关键特征，并与乳腺癌亚型进行了关联，其诊断速度是普通医师的30倍，且准确率高达99%。
年10月，MIT计算机科学与人工智能实验室（CSAIL）开发了一个AI模型，用机器学习来预测乳腺的高风险病变和癌症，可以降低乳腺癌的误报，避免不必要的手术。该系统在现有的多个高风险病变病例数据中训练AI，数据包括人口统计学、家族史、过去的活检和病理报告等不同类型的数据源。当对个高风险病变进行检测时，该模型正确诊断了97％的乳腺恶性肿瘤。
年10月，圣地亚哥海军医学中心和GoogleAI的研究人员一起开发出了被称为“淋巴结助手”(简称LYNA)的AI系统。该系统采用癌症检测算法，能够自动评估淋巴结活检。在转移性乳腺癌的检测精度测试中，LYNA的准确率达到99%，比人类病理学家更胜一筹。
年5月，哈佛医学院的科学家们开发出了一个名为SigMA的AI筛查系统。该系统能够高效和准确地“读取”HR（同源重组）缺陷的分子特征，并进一步配合现有的筛查方法。研究人员表示，如果未来将SigMA医院中应用的基因检测技术的话，每年将会有大约27万乳腺癌患者受益。
年5月，MIT的CSAIL研究人员发明了一种由AI驱动的乳房X光片检查方法，预计可以提前5年检测出女性乳腺癌年。CSAIL医院的一组研究人员创建了一个深入学习模型，该模型只需一张乳房X光片就能预测一个女人将来是否会患上乳腺癌。科学家们首医院接受治疗的00多名患者进行了乳房X光检查。然后，他们在筛选后的五年内确定了患乳腺癌的妇女。利用这些数据，科学家们建立了一个模型，可以识别出乳腺组织中体现癌症早期征兆的细微模式。
谷歌、MIT、哈佛等研究乳腺癌筛查的背后是可怕的乳腺癌死亡率
乳腺癌被称为全世界妇女的头号癌症杀手。仅在美国每年就有4万名女性死于乳腺癌。全球平均每年乳腺癌新发病例约万，死亡病例约52万，平均每26秒就会新增一例患者。在中国，乳腺癌发病率的增速是全球平均增速的两倍，在全世界排第一。每10名女性，就有1人患乳腺癌或者乳腺增生患者。每4个乳腺增生患者就有1个可能患乳腺癌。
国内乳腺癌X线筛查情况
据相关报告显示称，目前我国医学影像的误诊率远高于美国、影像的信息化基础建设水平远低于美国、影像增速与医师增速存在巨大缺口，带来人工智能影像诊断的需求、我国医疗影像服务模式成为医患痛点。《促进新一代人工智能产业发展三年行动计划（-年）》提出培育“医疗影像辅助诊断系统”智能产品。《行动计划》指出，到年，国内先进的多模态医学影像辅助诊断系统对以上典型疾病的检出率超过95%，假阴性率低于1%，假阳性率低于5%。
年8月17日，重庆召开的中国肿瘤学大会（CCO）期间，首次正式发布《中国女性乳腺癌筛查指南》，郝希山院士在答媒体问时指出，乳腺钼靶X线检查是一种成熟的影像学检查手段，在国际上被广泛应用。而在中国，超声检查对乳腺癌早诊早治具有一定意义。郝希山院士介绍，最新的《中国乳腺癌筛查指南》建议，对于一般风险女性应每两年进行一次乳腺X线筛查；对于来自乳腺癌高危家族且携带乳腺癌相关突变基因的女性，建议自35岁开始每半年进行一次乳腺超声检查，每年进行一次乳腺核磁共振检查。
中华医学会放射学分会乳腺专业委员会主任委员彭卫军表示：“乳腺钼靶X线检查是最为简单有效的筛查乳腺癌方式，在国际范围均为首选。而“X线和超声”为乳腺癌筛查的黄金搭档，如果两者同时使用，可在检查功效充分实现互补，达到更好的筛查效果。”
特别值得一提的是，AI报道从国内专注AI辅助医疗影像诊断的企业医准智能了解到，其乳腺钼靶智能检测系统正是采用了AI技术，目前系统病灶检出率达到93%、良恶性准确率达到94%，实现20秒完成乳腺钼靶全病种检测，覆盖乳腺全病种。
据乳腺保健专业委员会常务副主任委员、海淀区妇幼保健院副院长马祥君教授马教授今年12月表示：“AI技术在乳腺癌早期筛查中起到很好的协助作用，能够有效提升肿瘤筛查准确性，带动乳腺癌早筛早诊水平的提升。”
作为当前最常见的妇科恶性肿瘤，乳腺癌是危害人类健康的的杀手之一。如今，AI辅助诊疗技术已经全面涉足医疗领域，在癌症的早期筛查和诊断方面做出了巨大的贡献。例如谷歌DeepMind开发的AI在乳腺癌筛查试验中击败了医生、MIT开发的AI能提前5年预测乳腺癌等一系列成果都契合AI赋能和AI向善的理念，以弥补人的局限性，乳腺癌的早期筛查和准确诊断不再难，为全人类谋福祉。
信息参考：
