【健康报 医视野 学科】人工智能驱动乳腺癌精准诊疗

随着肿瘤精准诊疗理念的越发普及，人工智能，尤其是以数据体量和算力提升为基础的深度学习等算法对肿瘤的辅助诊断起到了重要的推进作用。随着综合诊疗的发展，乳腺癌患者的生存率得到极大提升。然而异质性使得不同患者的病因、预后和对治疗的反应差异较大，而借助人工智能的手段，可以逐步解决这一问题，有效推动个体化精准诊疗，造福患者。

可协助提升影像诊断准确率

目前人工智能技术在医学影像组学中的应用最为广泛。乳腺钼靶 X线摄影作为乳腺筛查诊断的重要影像学检查手段之一，可以在早期发现乳腺癌，但影像医师判读乳腺X线影像存在一定的假阳性和假阴性，且工作负担较重。20世纪90年代以来计算机辅助诊断（CAD）系统开始被应用于乳腺X线影像，并在降低假阳性率方面取得一定成效。近年来随着深度学习技术的发展，CAD焕发了新的生机。2020年1 月英美学者联合发表于《Nature》的一项多中心大样本研究报道，利用AI辅助乳腺X线片判读不仅在英美不同患者群体之间存在极佳的泛化性，且分别将单人阅片的假阳性率和假阴性率最高降低了5.7% 和9.4%，在独立测试集验证时，AI判读乳腺X线片诊断效能优于同时参与的六名放射科医师。此AI 辅助乳腺 X 线诊断系统不仅提升了诊断的准确率，更可极大减轻医生工作负荷。

辅助病理诊断展现巨大潜能

人工智能广泛应用于临床医疗的另一个领域即数字病理学。乳腺癌的病理诊断如前哨淋巴结评估和病理分型等结果不仅决定手术治疗的方式，也决定化疗方案的选择，对患者预后具有重要意义。然而培养一个成熟病理医师所需周期十分漫长，导致目前我国病理医师的缺口巨大，人工智能或可为病理人才的紧缺提供解决方案。荷兰研究学者发表于美国医学会会刊《JAMA》的研究对人工智能诊断乳腺癌患者前哨淋巴结HE切片转移情况与病理医师的诊断进行比较，一些深度学习算法取得了比 11 名病理专家更优的诊断性能展现出人工智能在辅助病理诊断方面迅捷准确的巨大潜能。美国哈佛大学医学院研究团队2020年8月在《Science Translational Medicine》上展示了一种便携式自动成像细胞分析系统(CytoPAN)。该系统通过检测细针穿刺获取最低50个细胞的流式细胞荧光检测后，可在1小时内准确检测出乳腺癌及其亚型。前瞻性临床试验显示该系统在 63 位患者中乳腺癌诊断准确率高达100%，HER2 诊断准确率达96％，ER诊断准确率达92%，实现乳腺癌的快速诊断和病理分型。本团队与国家超级计算天津中心的合作开展的人工智能深度学习“两步法”判读乳腺癌免疫组化切片 HER2 扩增的多中心研究成果证明，人工智能不仅达到了90%以上的准确率，更省略了传统病理学的FISH 检测，极大提升诊断效率的同时可节省检测支出，体现出重要的社会效益。

人工智能仍面临一定挑战

尽管展现出了诸多优势，目前我国人工智能的临床应用与发展依然处于起始阶段，面临一定挑战。人工智能的基础与关键即算法的创新性与可解释性需要医工学科共同探索，学科交叉融合才能取得更多的成果。另一关键问题即临床数据的质量，这与肿瘤的规范化诊疗理念相辅相成，优质的临床数据建立优质的计算机模型，产生优质的临床实践，是一个相互促进的过程。总之，人工智能在乳腺癌的诊疗中展现出广阔的前景。相信随着时间的推移，创新的算法与算力将能够做到更加快速、准确、价格低廉地处理大数据，机器将越来越多地解放医护的工作负荷，甚至做到人力所不能及的事情，完成真正的数据驱动，减轻对人力的依赖，形成远超人类和机器智能之和的新型高性能医学模式。