歐陽汝珊，林小慧，李霖，廖婷婷，馬捷

深圳市人民醫(yī)院（暨南大學第二臨床醫(yī)學院，南方科技大學第一附屬醫(yī)院）放射科，廣東 深圳 518020；*通信作者 馬捷 cjr.majie@vip.163.com

2020年全球乳腺癌發(fā)病率約11.7%，居全球惡性腫瘤首位，死亡率約6.9%，是女性癌癥死亡的主要原因，嚴重危害女性的生命健康[1]。乳腺X線攝影是乳腺癌篩查和診斷的主要方法，對早期發(fā)現(xiàn)、早期治療起到重要作用[2]。乳腺X線攝影對鈣化具有獨特的優(yōu)勢，但對腫塊型病變的診斷易受到腺體的影響，降低了敏感度[3]。近年來，深度學習（deep learning，DL）技術成為醫(yī)學影像人工智能（artificial intelligence，AI）領域的研究熱點，基于大量訓練的DL系統(tǒng)不受腺體密度的影響，可客觀判讀有無腫塊，且具有良好的穩(wěn)定性。但目前DL應用于乳腺X線攝影的研究大多基于歐美圖像數(shù)據(jù)庫[4]，對亞洲女性更為致密乳腺X線攝影中腫塊的檢測更具有挑戰(zhàn)性[5]。本課題組前期基于中國女性大量表現(xiàn)為腫塊型病變的乳腺X線攝影圖像數(shù)據(jù)集構建關于乳腺X線攝影腫塊檢測的DL系統(tǒng)，可用于檢測乳腺內(nèi)腫塊病變[6]。本研究通過對比2名初級職稱醫(yī)師與DL系統(tǒng)對腫塊檢出的敏感度，探討基于DL的乳腺X線攝影腫塊檢測系統(tǒng)的臨床應用價值，為中國女性乳腺癌篩查及診斷提供更加客觀的輔助工具。

1 資料與方法

1.1 研究對象 回顧性分析深圳市人民醫(yī)院放射科2019年4—12月共1 755例接受乳腺X線攝影檢查的病例，其中1 704例有標準的雙側乳腺頭尾位（craniocaudal，CC）和內(nèi)外斜位（mediolateral oblique，MLO）圖像（4幅），51例有單側CC位及MLO位圖像（2幅），共6 918幅圖像。1 755例患者共檢出腫塊324例（618個腫塊），年齡17～81歲，平均（48.08±12.18）歲。納入標準：①圖像質量、拍攝條件及拍攝體位符合診斷標準；②拍攝體位包括常規(guī)雙側或單側CC位及MLO位。排除標準：①假體植入、注射隆胸術后以及新輔助化療術后；②乳腺全切除或部分切除術后。所有患者對檢查知情同意，本研究經(jīng)深圳市人民醫(yī)院倫理委員會批準（LL-KY-2021624）。

1.2 影像采集 所有乳腺X線攝影圖像均來自Siemens Mammoma Inspiration數(shù)字乳腺X線攝影機和GIOTTO IMAGE MD雙平板探測器全數(shù)字乳腺X線攝影機。乳腺X線攝影機均采用全自動壓迫系統(tǒng)和自動曝光控制模式，特殊情況選擇手動曝光，常規(guī)拍攝CC位和MLO位。乳腺X線攝影采集方法符合《乳腺影像檢查技術專家共識》制訂的技術標準[7]，在PACS系統(tǒng)上收集患者臨床資料及圖像分析數(shù)據(jù)。

1.3 DL病灶檢測系統(tǒng) 采用深圳市人民醫(yī)院與平安公司（深圳）共同研發(fā)的乳腺X線攝影智能輔助判別系統(tǒng)（Mammo AI判別系統(tǒng)）。該系統(tǒng)中DL腫塊檢測模型[6]包含3個模塊（圖1）：同側雙機位網(wǎng)絡（ipsilateral dual-view network，IDVN）、雙側同機位網(wǎng)絡（bilateral dual-view network，BDVN）和綜合網(wǎng)絡（integrated fusion network，IFN），可以接收同一例患者多個投照方向的攝影圖像，并針對同側和對側圖像分別設計兩種不同的深度高分辨率檢測和分割網(wǎng)絡。例如：右側頭尾位（right-CC，R-CC）和右側內(nèi)外斜位（right-MLO，R-MLO）圖像經(jīng)過乳頭檢測算法，找到每個圖像上乳頭的位置，經(jīng)過同側雙機位模型，在R-CC上輸出腫塊的概率圖；R-CC和左側頭尾位（left-CC，L-CC）圖像通過配準算法將各自邊緣輪廓對齊，經(jīng)過對側同機位模型，同樣在R-CC上輸出腫塊的概率。最后對病灶進行聯(lián)合檢測，融合得到的結果作為腫塊等病灶的檢測輸出。

圖1 基于DL多機位影像的腫塊檢測模型

1.4 圖像分析及乳腺腫塊檢測參考標準 由DL系統(tǒng)和2名從事乳腺X線攝影診斷的初級職稱醫(yī)師（分別具有2年、3年工作經(jīng)驗）在對影像報告、臨床病史和相關檢查的結果未知情況下分別獨立閱片并標注出腫塊病灶，并參照美國放射學會第5版乳腺影像報告和數(shù)據(jù)系統(tǒng)（breast imaging reporting and data system，BI-RADS）的標準[8]記錄乳腺密度分類、腫塊形態(tài)、邊緣、密度、大小及BI-RADS分類。然后，由1名從事乳腺影像工作20年的高級職稱醫(yī)師參考患者的臨床資料、相關影像檢查及病理結果，對2名初級職稱醫(yī)師與DL系統(tǒng)檢測結果進行審核，腫塊病灶僅記錄臨床觸及、超聲、MRI或病理證實的明確存在的病灶，從而得到參考標準，若為可疑的不明確腫塊病灶則不進行記錄。

1.5 統(tǒng)計學分析 采用SPSS 26.0軟件，符合正態(tài)分布的計量資料以±s表示；計數(shù)資料以例數(shù)或百分比表示，采用χ2檢驗比較2名初級職稱醫(yī)師和DL系統(tǒng)病灶檢出的敏感度，并分析不同因素對DL系統(tǒng)及2名初級職稱醫(yī)師檢出的影響。本研究使用敏感度和假陽性率對醫(yī)師和DL系統(tǒng)的病灶檢出結果進行分析，通過對比上述腫塊的參考標準，計算醫(yī)師和DL系統(tǒng)的真陽性率、假陽性率、假陰性率。由此得出平均每個病例的假陽性個數(shù)及平均每幅圖的假陽性個數(shù)。P＜0.05為差異有統(tǒng)計學意義。

2 結果

2.1 腫塊檢出結果 根據(jù)高級職稱醫(yī)師建立的參考標準，在所有病例中，腫塊形態(tài)以類圓形最多見，占66.05%，共檢出405個。腫塊邊緣以遮蔽狀最多見，占35.80%，共檢出224個。腫塊密度以等密度最多見，占70.68%，共檢出428個。BI-RADS分類中以3類和4A類占比例最多，分別為30.25%、24.07%，共檢出腫塊192個、138個（表1）。

表1 高級職稱醫(yī)師對乳腺腫塊診斷的參考標準

2.2 2名初級職稱醫(yī)師及DL系統(tǒng)腫塊檢出的敏感度比較 初級職稱醫(yī)師A檢出腫塊277例（519個腫塊），初級職稱醫(yī)師B檢出腫塊268例（482個腫塊），DL系統(tǒng)檢出腫塊284例（533個腫塊）。DL系統(tǒng)對腫塊檢出的敏感度為86.25%，高于醫(yī)師B（77.99%），差異有統(tǒng)計學意義（P＜0.05）；DL系統(tǒng)敏感度高于醫(yī)師A（83.98%），但差異無統(tǒng)計學意義（P=0.263）。DL系統(tǒng)對于不同乳腺密度分類的腫塊檢出敏感度差異無統(tǒng)計學意義（P＞0.05），而2名初級職稱醫(yī)師的差異有統(tǒng)計學意義（P＜0.05）（表2）。其中，c型乳腺共檢出腫塊460個，DL系統(tǒng)檢出敏感度為85.52%，高于2名初級職稱醫(yī)師84.78%、77.83%，d型乳腺共檢出97個腫塊，DL系統(tǒng)檢出敏感度為85.57%，高于2名初級職稱醫(yī)師75.26%、71.13%（圖2、3）。在腫塊形態(tài)、腫塊大小及BI-RADS分類等影響因素中，醫(yī)師B的敏感度差異無統(tǒng)計學意義（P＞0.05），其余不同患者年齡、腫塊邊緣、腫塊密度對于DL系統(tǒng)及2名初級職稱醫(yī)師敏感度差異均有統(tǒng)計學意義（P＜0.05），見表2。

表2 2名初級職稱醫(yī)師與DL系統(tǒng)對不同因素腫塊檢出結果的比較

圖2 女，69歲，乳腺癌。A.2名初級職稱醫(yī)師的檢測結果為散在點狀鈣化（橙色圈及黃色圈）；B.DL系統(tǒng)的檢測結果為腫塊及散在點狀鈣化（紅色框）；C.高級職稱醫(yī)師的檢測結果為腫塊及散在狀鈣化（白色圈）

圖3 女，52歲，乳腺癌。A.2名初級職稱醫(yī)師未檢出病變；B.DL系統(tǒng)的檢測結果為腫塊（紅色框）；C.高級職稱醫(yī)師的檢測結果為腫塊

2.3 DL腫塊檢出系統(tǒng)的假陽性率 324例檢出腫塊的病例中，318例有標準的雙側CC位和MLO位圖像（4幅），其中6例有單側CC位及MLO位圖像（2幅），共1 284幅圖像，DL系統(tǒng)腫塊檢出平均每幅圖像假陽性為0.24（302/1 284）個，平均每個病例的假陽性為0.93（302/324）個。

3 討論

乳腺X線攝影檢查在乳腺鈣化灶的診斷中具有較高的敏感度，并且目前研究發(fā)現(xiàn)醫(yī)師與DL對鈣化診斷的一致性較好[9]。腫塊比鈣化容易被致密的纖維腺體組織遮擋，從而難以發(fā)現(xiàn)腫塊型病變，醫(yī)師對腫塊的評估更具有主觀性，存在漏診的情況[10]。因此腫塊的檢測在乳腺癌的AI檢測上仍然是一個開放性的挑戰(zhàn)。

3.1 DL系統(tǒng)在乳腺X線攝影檢查中的優(yōu)勢 本研究探討DL系統(tǒng)對腫塊型病變的檢出價值，構建了基于IDVN、BDVN及IFN的DL腫塊檢測模型。該DL系統(tǒng)的敏感度高于2名初級職稱醫(yī)師，且DL系統(tǒng)與醫(yī)師B有顯著差異。本研究的創(chuàng)新之處為團隊前期使用大量亞洲女性致密型腺體的乳腺X線攝影圖像數(shù)據(jù)集構建模型，更符合我國女性腺體情況，提高了DL系統(tǒng)檢出腫塊型病變的敏感度；DL系統(tǒng)可能在中國乳腺致密的女性中具有臨床應用價值，減少放射科醫(yī)師經(jīng)驗的影響和漏診的可能性。馬明明等[11]利用U-Net深度學習模型對乳腺X線攝影中鈣化及腫塊進行檢測，鈣化與腫塊均有較高的檢出率，分別為93.9%和90.0%，但其中腫塊的訓練集圖像較少，且并未分析不同腺體密度對腫塊檢出的影響。楊連軍等[12]利用大量的多中心圖像訓練出的模型在外部訓練集中對腫塊檢出的敏感度高于3名放射科醫(yī)師閱片的敏感度，結果與本研究一致，并證實在DL系統(tǒng)的輔助下，放射科醫(yī)師檢出腫塊的敏感度有所提高。因此本研究表明DL系統(tǒng)可以輔助初級職稱醫(yī)師診斷，提高病灶的檢出率。

3.2 腺體密度對DL系統(tǒng)的影響 研究發(fā)現(xiàn)乳腺的致密程度與患乳腺癌的風險相關，并且腫塊型乳腺癌容易被致密的腺體組織遮擋，從而使病變難以檢測，導致漏診[13-14]。本組資料中，致密型乳腺（c型和d型乳腺）占90.13%。相對于a型和b型乳腺，DL系統(tǒng)在c型和d型乳腺中檢出腫塊的敏感度高于2名初級職稱醫(yī)師。本研究結果顯示，不同乳腺密度對DL腫塊檢出系統(tǒng)敏感度無顯著影響，但初級職稱醫(yī)師易受影響，表明DL系統(tǒng)不受乳腺密度影響。Sasaki等[15]利用日本女性的乳腺X線攝影圖像構建AI系統(tǒng)，證實AI系統(tǒng)在檢測病變上不易受乳腺腺體密度的影響，與本研究結果一致。Al-Masni等[16]提出基于區(qū)域DL技術的AI系統(tǒng)，其敏感度為93.20%。Boudouh等[17]利用混合2種卷積神經(jīng)網(wǎng)絡模型，成功提高了腫塊的敏感度（96.95%）。Al-Masni等[16]與Boudouh等[17]的研究敏感度均高于本研究，因此相比于歐美女性，亞洲女性乳腺腫塊的檢測更有難度，對DL算法的計算能力提出了更高的要求，DL系統(tǒng)的輔助診斷能力對中國女性的致密型乳腺更有意義[18-19]。本研究的DL系統(tǒng)適用于乳腺較為致密的中國女性，可減少初級職稱醫(yī)師對經(jīng)驗相關的需求以及因致密腺體組織遮擋造成的漏診。

3.3 不同因素對DL系統(tǒng)的影響及DL系統(tǒng)的局限性本研究中表現(xiàn)為高、等密度腫塊占腫塊總數(shù)的96.44%，DL系統(tǒng)對高密度及等密度腫塊均具有較高的敏感度，但對低密度及含脂肪密度腫塊的敏感度低于2名初級職稱醫(yī)師。Wang等[20]發(fā)現(xiàn)乳腺腫塊的密度通常比正常腺體組織更致密，通過乳腺組織的密度定量分析構建乳腺腫塊檢測系統(tǒng)，腫塊的檢出準確度可達91.84%，表明該DL系統(tǒng)對密度較低腫塊的檢出性能較弱，因此DL腫塊檢出系統(tǒng)仍需進行大樣本乳腺數(shù)據(jù)迭代訓練以提升檢出的穩(wěn)定性。本研究中的BI-RADS分類包括BI-RADS 2 類，其中BI-RADS 2～3 類的敏感度（75.80%）顯著低于BI-RADS 4～5 類的敏感度（91.98%），說明DL系統(tǒng)對BI-RADS 4類及以上腫塊的檢出穩(wěn)定性及敏感度較高，對可疑良性腫塊的檢出敏感度較低。哈婷婷等[21]研究發(fā)現(xiàn)在BI-RADS 3～5類中DL系統(tǒng)對腫塊的檢出敏感度約為92.19%，其中BIRADS 3類的敏感度約為74.19%，與本研究中的BIRADS 3類的敏感度（75.52%）接近，對可疑良性腫塊檢出的敏感度均較低。這可能與BI-RADS 4～5類腫塊的密度相對2～3類腫塊密度高、惡性征象更顯著有關，更易檢出。表明DL系統(tǒng)對BI-RADS 4～5類腫塊檢出率更高，有更高的敏感度，可以降低惡性腫塊的漏診率，能夠減少部分乳腺癌患者干預延遲。

3.4 本研究的局限性 本研究的DL系統(tǒng)檢出腫塊的假陽性率較高為36.16%，今后將繼續(xù)增加訓練數(shù)據(jù)樣本量，提升模型的性能及穩(wěn)定性。本研究DL病灶檢出系統(tǒng)僅針對腫塊，結構扭曲及不對稱病變，在實際臨床工作中的病例數(shù)較少，但結構扭曲和不對稱這兩類非鈣化類病變也是乳腺癌檢測的重要征象，需進一步納入結構扭曲和不對稱的數(shù)據(jù)集，對模型進行訓練，分析DL系統(tǒng)對這兩類病變的臨床價值。此外，本研究為回顧性單中心研究，易出現(xiàn)選擇性偏移，今后將進一步通過多中心外部驗證，前瞻性獲取數(shù)據(jù)對DL系統(tǒng)的臨床診斷性能進行驗證，并且將進一步探討DL系統(tǒng)對醫(yī)師的輔助作用。

總之，基于DL的乳腺X線攝影腫塊檢測系統(tǒng)對腫塊病變檢出具有很高的敏感度，且不受乳腺密度的影響，可輔助初級職稱醫(yī)師減少因致密腺體組織遮擋造成的腫塊漏診，具有一定的臨床輔助價值，但系統(tǒng)的假陽性率較高，需要進一步提高模型性能。