据世界卫生组织统计，2020 年寰球新发乳腺癌病例 230 万例，在所有癌症中居首位，超过肺癌成为第一大癌。
然而，如果可能晚期发现并加以及时医治，在肿瘤转移之前杀死癌细胞，乳腺癌的致死率就能够大大降低。目前乳腺癌初筛的罕用伎俩是乳腺 X 光，随后医生通过剖析复核 X 光片对乳腺衰弱状况进行判断。但复核过程会耗费大量工夫，影响其余患者的就诊。
为此，英国诺丁汉大学的研究者比照了商用 AI 与医生浏览乳腺 X 光片的能力，为 AI 在临床医疗的利用提供了新思路。
作者 | 雪菜
编辑 | 三羊、铁塔
本文首发于 HyperAI 超神经微信公众平台~
据美国癌症协会统计，2022 年美国女性新发癌症病例数约 93 万例，其中新增乳腺癌患者约 29 万人，占比 31%。同时，癌症死亡病例中乳腺癌患者占比 15%，仅次于肺癌。
图 1：美国 2022 年新发癌症病例数（上）及癌症死亡数（下）
在中国，乳腺癌是 21 世纪女性患者中占比最高的癌症，且每年新增患者数量在一直减少。
图 2：2000-2016 年我国女性新增癌症病例数，灰色为乳腺癌病例数
乳腺癌是异样乳腺细胞成长失控并造成肿瘤引起的疾病。如果不及时干预，肿瘤会转移扩散，最终危及性命。但如果能在癌症初期发现部分肿瘤，并开始医治，癌症的五年存活率可达 99%。
目前，医院个别通过乳腺 X 光进行乳腺癌初筛。然而，在初筛过程中可能会呈现假阳性，使得没有癌症的患者进行不必要的检测。还会呈现脱漏，延误患者最佳医治工夫。
因而，许多欧洲国家会对乳腺 X 光片进行复查，尽可能排除掉假阳性的病例。这一办法卓有成效，在升高假阳性的同时，还将癌症的检测率进步了 6%-15%。
然而，对 X 光片进行浏览评估须要消耗相当的工夫。 在医患比偏低的地区，X 光片的复查不仅占用了医生的工夫，而且会影响到其余患者的晚期筛查。
AI 的利用局部缓解了医生的工作压力，然而将生命衰弱交给 AI 去评估仿佛有些不太稳当。 对此，英国诺丁汉大学的 Yan Chen 传授示意，「将 AI 利用于临床医疗面临着很大的压力，但咱们须要将这件事做好，以爱护女性的衰弱」。
为此，Yan Chen 团队比照了商用 AI Lunit 与医生浏览乳腺 X 光片的准确率。结果显示，Lunit 剖析乳腺 X 光片的能力与人类医师相当。 这一成绩已发表于「Radiology」。
论文链接：
https://pubs.rsna.org/doi/10.1148/radiol.223299#_i13
试验过程
数据集：PERFORMS 数据集
本钻研选用两组 PERFORMS 数据集作为模型的测试集。每组 PERFORMS 数据集由 60 张具备挑战性的 X 光片组成，包含恶性肿瘤 (约占 35%)、良性肿瘤和失常后果。过来 30 年间，PERFORMS 数据集用于英国国家卫生服务乳腺筛查打算 (NHSBSP) 医生的入门测试和惯例考核。
评估规范：标注 + 评分
在对 X 光片进行剖析时，医生会在可疑的地位做出标注，最初做出 1-5 的评级，对应失常、良性、不确定、可疑及恶性。
AI 会对 X 光片的各个特色的可疑水平进行 1-100 的评分，最高分视为对整个 X 光片的评分。如果没有可疑特色，则视为 0 分。
图 3：医生与 AI 对乳腺 X 光片的剖析后果
A：蓝色箭头为直径 8 mm 的不明肿块，后鉴定为组织学 2 级导管癌；
B：红色十字是 AI 发现的异样特色，蓝点是医生在剖析时标注出的可疑区域。
比照后果：特异性 + 灵敏度
共有 552 名医生参加了这场较量，占 NHSBSP 总人数的 68%，其中有 315 名放射科医生、206 名喷射技师和 31 名临床医生。
在对两组 PERFORMS 数据集进行剖析后，他们认为 161 个乳腺 X 光片后果是失常的，70 个乳腺中有恶性肿瘤，还有 9 个为良性肿瘤。恶性肿瘤的常见特色包含肿块 (64.3%)、钙化 (12.9%)、不对称 (11.4%) 和构造扭曲 (11.4%)，均匀病变大小为 15.5 ± 9.2 mm。
表 1：PERFORMS 数据集后果
人类组的均匀 AUC 为 0.88。AI 组的 AUC 为 0.93，对应人类组 96.8 百分位数，但两组的 AUC 没有显著差别。
图 4：医生组 AUC 直方图与 AI 的 AUC（黄线）
人类组的均匀灵敏度和特异性别离为 90% 和 76%。在开发者举荐的阈值下，AI 的敏感性和特异性别离为 84% 和 89%。
表 2：医生组与不同阈值 AI 的判断后果
TP：真阳性；
FP：假阳性；
TN：真阴性；
FN：假阴性；
灵敏度 = TP / 总阳性数；
特异性 = TN / 总阴性数。
在 AI 的 ROC 曲线中，52% 的医生体现在曲线之上，36% 在曲线下方，12% 的体现与 ROC 曲线统一。
图 5：AI 的 ROC 曲线，其中蓝点是不同医生的体现
当 AI 的阈值为 3.06 时，AI 的灵敏度与医生统一，检测出了 63 例恶性肿瘤，仅脱漏了 7 例。此时 AI 的特异性与医生没有显著差别。
当阈值设置为 2.91 时，AI 与医生组的特异性统一，灵敏度为 91%。上述结果显示，Lunit 的 AI 剖析乳腺 X 光片的灵敏度和特异性与人类医生相当。
图 6：不同阈值对 AI 判断后果的影响
A：蓝色箭头为不对称区域，后鉴定为组织学 2 级导管癌；
B：AI 阈值为 2.91 时的检测后果，红色十字最终鉴定为真阳性；
C：AI 阈值为 3.06 时的检测后果，没有发现显著异样特色。
Yan Chen 传授示意，「这一钻研的后果为 AI 筛查提供了无力证据，阐明 AI 对乳腺 X 光片的剖析程度与人类医生相当」。
乳腺癌：隐匿的粉红杀手
2021 年 2 月 4 日世界癌症日上，世界卫生组织 (WHO) 属下的国内癌症研究所称，上一年新增 230 万例乳腺癌病例，占比 11.7%，首次超过了肺癌新增病例数，俨然成为「隐匿的粉红杀手」。
同时，乳腺癌发病率最高的群体是高支出国家的妇女，中低收入国家的女性发病率显著更低。而且，还有约 0.5-1% 的乳腺癌来自于男性。
不过，乳腺癌自身的致死率并不高。 2016-2020 年诊断出乳腺癌并存活的女性达 800 万人，高于其余癌症。
目前 WHO 正在全世界推广寰球乳腺癌口头，心愿通过早发现、及时诊断和全面的乳腺癌治理来升高寰球因乳腺癌死亡的人数。
图 7：AI 辅助的乳腺癌筛查
作为乳腺癌初筛的无力工具，AI 可能及时发现乳腺癌晚期的特色，无望将「粉红杀手」扼杀于准备阶段。但当初大规模在临床中推广 AI 可能为时过早，因为环境和算法自身的变动会一直影响，导致 AI 的灵敏度和特异性随工夫而降落。
Yan Chen 传授也认为，「一旦 AI 进入临床利用，咱们就必须有一个机制对其进行继续的评估和监测 」。当初，世界各国的钻研团队正在对 AI 的检测后果进行评估，曾经获得了令人满意的后果。 将来在高效的 AI 和欠缺的监管机制的帮忙下，各类疾病将「无处可藏」，咱们的衰弱将失去更稳固的保障。
参考链接：
[1]https://acsjournals.onlinelibrary.wiley.com/doi/10.3322/caac….
[2]https://www.sciencedirect.com/science/article/pii/S2667005422…
本文首发于 HyperAI 超神经微信公众平台~