鉬靶射線被電流激發，它一路前行，在0.001秒內穿過鉬靶機前被攝者的乳頭、乳腺小葉、懸韌帶、輸乳管、皮下脂肪，在醫用專業屏畫出一副1600萬畫素的黑白畫。AI被從伺服器中喚醒，以光速在每一個畫素間奔走，尋找不該出現的陰影。
乳房引發了無數的戰爭與讚美，但也最易招來腫瘤的青睞，比如乳腺癌。
中國國家癌症中心的統計資料顯示，在所有女性可能罹患的惡性腫瘤中，乳腺癌高居榜首，佔比達到16.51%。全球範圍內，乳腺癌在已開發國家和發展中國家女性的惡性腫瘤發病率均排名第1。
為了早期發現乳腺癌，臨床多采取乳腺X線鉬靶檢查的方式。這一方式成熟、簡便、廉價，可靠性也較好。多個醫學指南認為：高標準的乳腺X線篩查和複查可檢出大多數臨床前期階段的乳腺癌，有效降低乳腺癌死亡率，並減少不必要的傷殘或者避免創傷性的治療。
但在中國，誰來閱片成為了頭號難題。乳腺X線鉬靶閱片難度高，培養週期漫長，導致專業從事乳腺X線鉬靶閱片的醫生極度稀缺，全國不過寥寥數百人；與此同時，由於不同級別醫生之間閱片水平差異巨大，閱片一致性也難以保證。
為解決這些難題，近期，國內一家AI企業依圖醫療提供了另一種解決思路——AI閱片。
據悉，乳腺X線智慧診斷系統是依圖醫療耗時數年研發推出。該AI系統依託強大的演算法創新，以及多家三甲醫院萬量級的真實乳腺影像資料，實現了乳腺X線鉬靶影像的秒級閱片，擁有腺體分型、病灶檢出、徵象描述、智慧BI-RADS分型等多項功能，並能自動生成結構化報告，供影像醫師使用。
在多家三甲醫院的臨床實踐中，該系統展現出了強大的病灶檢出及學習能力。它不僅能夠檢出乳腺腫塊、鈣化、結構扭曲和不對稱，同時還能在全病灶型別檢出的基礎上，實現病灶的癌變風險分級，輔助醫生識別高危病變。
乳腺美麗 診斷不易
乳腺很美，但想清晰看到內部的病灶，並不容易。
不同於可以逐層掃描生成數百張影像圖片，還原出肺部三維結構的肺部CT，乳房組織渾圓天成的生理構造以及X線垂直照射的原理，使得雙側乳腺鉬靶常規的檢查體位僅有MLO位及CC位2個體位4張單片。因此只能利用壓迫板將女性的乳房儘可能壓薄，讓乳腺內部組織充分析離，才能拍出儘可能清晰的鉬靶影像，進而找出病灶位置。
然而，這種影像學方法必須要克服腺體遮蔽和結構噪聲。就好比獵人穿梭在光斑點點的森林地面，僅僅透過地上的光斑及陰影變化就要判斷出樹頂上的獵物所在位置。因此，2D影像結果到3D乳腺組織的還原，對閱片醫師的專業能力提出了極高的要求。
相較於影像表現更為明顯的鈣化與腫塊，佔病灶總數30%左右的結構扭曲和不對稱很難被查出，尤其是當醫生經驗不足或者疲勞時，很容易出現漏診。
中華醫學會放射學分會乳腺影像學組組長、復旦大學附屬腫瘤醫院放射診斷科主任彭衛軍教授有著30餘年乳腺X線鉬靶閱片經驗，他表示，想要達到“資深”水準，閱片醫生必須同時具備紮實的解剖學功底與影像診斷學功底，豐富的空間想象能力、足夠的臨床經驗、數位優秀的導師，以及5-10年的成長週期。
對人才的高要求，讓資深乳腺X線鉬靶閱片專家極度稀缺。縱覽中國醫師協會影像學組乳腺學組，堪稱資深的專業乳腺X線鉬靶閱片醫生也僅有100餘人，而其中的“專家級”人士，僅有50餘位。稀缺性，讓這些專家不得不滿足中國數億名乳腺X線鉬靶拍攝潛在需求女性的閱片工作。
“乳腺病灶徵象不如肺結節那樣典型，在很多病灶的診斷上有較大的人為差別。比如結構扭曲，有的專家認為是結構扭曲，而有些醫生則認為不是。加上亞洲女性多是緻密性乳腺，更增加了閱片不一致的機率。”彭衛軍教授透露，“同樣一份乳腺X線鉬靶影像結果，一位有經驗的資深醫生和低年資醫生對於其標註結果差異可達30%，甚至更高。因此，該領域人工智慧應用的潛力巨大。”
診斷不易 AI已來
研發鉬靶AI的難度，絕非普通公司所能承受。
“從研發一開始，我們所遵循的就是ACR的最新指南，同時參考了NCCN指南、ACS指南及最新的中國乳腺癌診治專家共識。無論研發還是工程技術人員，都得從頭開始學習乳腺影像及乳腺癌相關知識，並與臨床醫生長期共事，深入理解工作流程及AI的應用場景，理解醫生的痛點。”依圖醫療醫學產品總監林強表示。
經過專業標註的臨床資料，不僅是搭建AI模型的關鍵，還是這款乳腺AI的基石。
“這款AI匯聚了全國多家頂級三甲醫院的萬量級乳腺癌影像檢查資料，體位齊全、裝置先進、拍攝專業、影像清晰，堪稱國內目前頂級的乳腺腫瘤資料庫。”林強頗為自信的表示，“在標註中，從硬體到軟體都經過了精心的設計。”
為了讓病灶徵象描述更加全面，研發團隊“住”在臨床一線，請教專家、翻閱指南，為每一個徵象描述撰寫詳細的標註規則。
為了讓醫生們看得更清楚，研發團隊準備了專業的5M專業閱片屏，讓看片更清晰，視覺壓力更小。
為了減輕標註醫師壓力，不單純追求標註進度，研發團隊招募了幾十名經過嚴格考核的專業醫師組成標註團隊，分散標註壓力，避免搶進度現象的出現。
為了確保標註質量，每一張鉬靶影像都經過至少5位醫生的標註。只有結果高度一致的標註結果才被認可，存在爭議的標註，會由更高年資的醫生進行判斷，並提交團隊稽核表決，最終由權威專家坐鎮給出標註結果。
為了更加高效的監管標註流程，研發團隊甚至在搭建AI模型之前，專門研發出了一套專門的標註管理系統。
高昂的資料整理、關聯成本，繁瑣的標註流程，眾多的爭議標註點……一度令研發團隊崩潰，而最終的模型結果也並未辜負這份付出與期待，在落地醫院的過程中，這套系統不斷受到專家的高度評價。
“歐美的醫生一天看10個患者的鉬靶片子就很了不起了，但在中國，這一數字至少是50個，需要審片簽字的副教授，一天看上100人，甚至150人的鉬靶片都是家常便飯。時間緊，任務重，還不能遺漏任何病灶，醫生的體力和精神長期處於高壓之下。”彭衛軍教授透露，“人工智慧系統能大大提升病灶檢出的速度與精度，減少誤檢漏檢現象，在提升閱片一致性的同時，將醫生從繁重的機械性勞動中解放出來，從事真正具備創新意義的工作。”
摒棄公開資料集 這套乳腺AI“最中國”
隨著國際學術交流的增加及越來越多頂級人工智慧專家學者歸國，利用海外公開資料集進行醫療AI研發在業內並不鮮見。客觀而言，公開資料集及泛化AI模型的出現，極大推動了中國醫療人工智慧的發展。但在乳腺X線鉬靶AI的研發中，基於海外公開資料集進行研發的AI模型卻遭遇了滑鐵盧。
林強透露，與歐美多為脂肪型的乳腺不同，中國女性的乳腺多為緻密性，腺體遮蔽和結構噪聲更為明顯，正常的乳腺組織和病灶區分度更小，這對AI系統的效能提出了更高要求。
“以公開資料集為基礎研發的乳腺鉬靶AI，其敏感性在實驗室中雖然可以跑到95%甚至超過99%，但一旦落地臨床敏感性就會出現嚴重下滑，需要長時間的調教與資料餵養，這無形中增加了臨床醫師的負擔。”林強說，“此外，公開資料集也存在影像質量低、標註質量差、標註標準不統一等問題。”
林強以乳腺鉬靶中單張MLO點陣圖片為例，正常情況下，一張鉬靶影像的解析度高達4000x4000，總畫素超過1600萬，體積較大。而公開資料集為了方便發表，多將其壓縮成普通的jpg格式，損失了大部分的畫素，對於病灶的表現能力大大下降，微小病灶甚至有可能直接消失，訓練出的AI模型水平可想而知。
因此，基於中國女性真實乳腺影像資料研發的AI優勢顯露無疑。
“我們專門為這套AI系統最佳化了影像讀取的演算法，實現了1600萬畫素影像的直接讀取和秒級處理，不會出現任何的卡頓或崩潰，確保無論多麼微小的病灶都能夠明察秋毫，不損失任何細節，將病灶的形態精準還原，從這一點上來說，AI遠超人類。”林強說。
助力基層 讓“AI醫生”上山下鄉
目前，中國的絕大部分乳腺X線鉬靶檢查都集中在大中城市，而在廣大基層醫療機構，近8億城鄉居民獲得的醫療服務遠遜城市，乳腺X線檢查也不例外。
“未來，當乳腺AI更加成熟，乳腺癌的普適性早篩成本將會大大降低。乳腺癌的早期篩查方式也會發生改變，從高危人群逐步擴充套件到所有適齡女性，從而極大提高早期發現乳腺癌的可能，降低社會總體醫療開支。”，林強表示，“同時，透過將專家級的診療能力工具化，透過AI賦能基層醫療，有助於緩解當前基層醫療機構閱片醫生短缺的困境，提升基層醫療機構乳腺疾病早篩水平。