超30萬乳腺癌困局，破解之道何在？

現階段，居民對于乳腺癌的預防與篩查大多處于一種模糊的認知狀态。

2021年初，一家面向女性的醫美機構向其會員發放了一個特别的“福利”：機構的牽頭下，特定會員可在指定時間内前往合作醫院進行免費乳腺癌篩查。最終，約有200名女性參與了此次活動，近20名檢查結果顯示存在罹患乳腺癌的風險，被通知進行進一步檢查。醫美機構無心促成的乳腺癌篩查裡，仍舊發現了多名存在罹患乳腺癌可能的女性，這無疑展現出乳腺癌篩查普及性較差的現實問題。放眼整個社會面，乳腺癌早篩早診的實施與開展也将面臨着更棘手的問題。

事實上，國家早在2019年便已啟動了全國農村婦女免費“兩癌”篩查項目，随後為促進疾病早診早治，2022年兩癌篩查對象由農村适齡婦女逐漸擴大為城鄉适齡婦女，逐漸提高婦女健康水準。

乳腺癌的篩防困局

據最新癌症資料顯示，乳腺癌新增人數達 226 萬，乳腺癌正式取代肺癌，成為全球第一大癌症。作為統計資料的一部分，大陸2020年約有42萬乳腺癌确診患者，且這一數字正随年份的推進而持續上升。

而在确診患者數量逐年上升的另一面，醫學界對于篩、診、治環節從未停滞的研究程序。現有體制下，醫生對于乳腺癌的診療已達成高度共識，隻要能夠及早發現，整個治療費用花費不過數千，但關鍵在于，我們無法精确篩查出每一個早期乳腺癌患者。

目前機制下的全民乳腺癌篩查主要通過初篩機構與接診機構兩大機構配合執行。

初篩機構通常由基層醫療機構組成，采用超聲檢查，為患者進行乳腺癌篩查，并得出BI-RADS分類，1-2類需進行定期複查，0類和3類則需要進行乳腺X線的進一步檢查，4-5類則建議進行活檢及組織病理學進一步檢查。

盡管BI-RADS分類足夠客觀，但醫生的評價卻無法時時準确。在超聲實際臨床診斷中，由于基層醫療機構的超聲醫生缺口較大，并且醫生工作強度高、易疲勞，醫生較難始終保持高度集中，進而容易造成漏診誤診；其次對于超聲診斷與分級，不同醫生給出的BI-RADS分類存在一定差異，如果分類、診斷不準确，極易延誤患者治療，這将對醫療資源的利用程度及基層醫療機構的公信力存在極大傷害。

再談接診機構。BI-RADS分類達到0類或者3類的患者則需要前往接診機構進行複診，再度接受乳腺X線的檢查。歐美國家通常會使用乳腺X線進行乳腺癌初篩，這将更有效的發現早期病竈以及微小的鈣化，但由于亞洲女性乳腺具有緻密性的特點，乳腺X線産生的疊影較多，需要擁有豐富經驗的技師及醫生進行影像采集與影像診斷。但現階段，大陸乳腺X線的普及度不及超聲，原因在于兩個方面：首先影像的拍攝與判讀由技師與醫生分别在不同環節進行，當閱片醫生發現拍攝無法滿足診斷要求時，患者基本已經離院，是以乳腺X線影像質控是制約乳腺X線發展的一個原因；其次，目前大陸專業從事乳腺X線影像診斷的醫生僅千餘人，并且不同年資醫生閱片結果差異可達30%，基層醫院閱片人才更是短缺。

使用匮乏的醫療資源滿足海量的診斷需求常常會産生一些問題。一家從事乳腺醫學影像人工智能輔助診斷技術研發的公司告訴動脈網：“我們開發算法時曾希望從醫院四百多個病例中找到一些典型病例，但在浏覽後發現，能夠達到品質規範的乳腺X線影像，僅有10%-20%”。

智能化時代，

乳腺癌篩防的新解法在哪裡？

盡管乳腺癌的篩防過程存在諸多問題，但歸納起來，總離不開“醫療供給”與“醫療品質”兩個要素。全國政協委員、江蘇省人民醫院副院長，乳腺疾病診療中心主任王水也在今年2月“規範惡性良性腫瘤臨床用藥，保障醫療品質和安全”座談會上也表示，目前大陸女性的乳腺篩查需求正逐漸上漲，但總體來講，篩查品質不夠高。是以建議将AI等新技術加入惡性良性腫瘤篩查，提高篩查品質。

目前主流人工智能企業在解決乳腺癌篩防問題時通常直指“供給”與“品質”，即借助AI完成輔助質控與輔助診斷。

輔助質控，是借助AI在醫生進行乳腺X線影像采集時給予質控，優化診斷過程。在傳統的路徑中，技師利用拍完X線後無法實時判斷拍攝的品質，隻有當影片進入影像診斷環節，醫生才會發現有的片子不能作為證據診斷。到了這個時候，再通知患者回來重新拍攝X線對于醫患雙方都是一種負擔。在這種情況下，利用AI對乳腺X線的實時質控可以在降低無效的檢查同時提升影像品質，與輔助診斷工具相結合，部分企業可以實作超過90%的檢出率。

輔助診斷，在乳腺X線檢查過程中的病竈檢出、分析與BI-RADS分類是檢查的重要工作。在病竈檢出與分析方面，AI可在很短時間内，可精準給出病竈類型，資訊分析，并框選出可疑病竈，輔助醫生進行病竈識别與分析；在BI-RADS分類方面，相比于基層醫生“憑感覺”給出的分類，基于乳腺癌判别規則，并結合高品質标注資料，運用人工智能、深度學習等技術，AI則能夠給出更準确更标準化的分類結果。

綜上所述，對于乳腺X線診斷而言，品質有保障的影像圖像以及精準高效的檢出分析至關重要，是以這也對AI能力提出更高的要求，如果再同時滿足從影像拍攝到檢出診斷再到臨床治療乃至科研教育訓練的全方位需求幾乎難上加難。在大部分AI醫療影像企業往“橫向”發展、布局更多病種的背景下，醫準智能集中科研力量，向“縱深”發展，聚焦乳腺影像，做到了從“篩、診、療、研、教”為一體的乳腺全棧式智能解決方案，并在全國多個省份開展“粉紅關AI”系列活動，關愛女性乳腺健康。

再談超聲影像，目前從事AI超聲研究的企業數量相比肺結節、眼底等正常AI場景而言較少，相關産品的普及速度也相對較慢，這主要源于超聲人工智能天然的高技術門檻。超聲檢查所産生的資料比乳腺X線的二維資料多了一個時間次元。這意味着乳腺X線的影像采集與影像診斷在有充足時間完成，而這樣的時間并不能存在于超聲診斷中，超聲檢查要求圖像采集與診斷兩項操作需在同一時間内完成。

目前全球範圍内具備超聲實時動态算法開發能力的公司極少。而醫準智能，突破靜态二維圖像的限制，開啟動态實時病竈檢出的先河，其針對超聲裝置獨立研發的超聲實時動态AI輔助診斷模型采用了神經網絡架構搜尋方法（NAS），可達每秒處理速度64幀，且檢測結果延遲＜0.09秒，換言之，醫生在進行超聲掃查的同時，AI算法能夠精準抓取僅“毫秒級”閃現的病竈，進行實時的病竈檢出與分析，并給出BI-RADS分類建議，真正做到了“所見即診斷”。

與正常AI超聲産品相比，醫準智能的乳腺超聲實時動态智能分析系統勝在“動态實時檢測”。

據醫準智能副總裁曹穎介紹：由于超聲掃查是動态的、連續的，傳統人工智能算法無法支撐檢出需求。是以，超聲AI需要配備動态且實時的檢出技術與能力，才能具備臨床價值。但從技術研發的角度，存在着缺少公開動态資料集及相關算法研究等問題。醫準智能研發團隊克服種種困難，從自主收集建立自有動态資料庫，再到實作動态算法突破，真正做到了 “動态實時”病竈的檢出與分析。這不僅是醫準智能技術的突破，也是醫學影像領域的技術創新，更是向“專精特新”邁出了紮實的一小步。

2021年5月，醫準智能在國内頂級三甲醫院完成了總計2000餘例的臨床驗證，資料顯示其AI在乳腺病竈上的檢出率高達98%，惡性良性腫瘤良惡性判斷準确率高達90%，專家評價“這一資料已與頂級三甲醫院高年資醫生相當”。

2021年8月，國務院印發《中國婦女發展綱要 (2021—2030)》，要求在未來十年逐漸落實基本公共衛生服務中宮頸癌和乳腺癌綜合防治體系和救助政策的建設，實作居民宮頸癌和乳腺癌防治知識知曉率達到90%以上；适齡婦女宮頸癌人群篩查率達到70%以上，乳腺癌人群篩查率逐漸提高。

一位從事乳腺醫學影像相關研究的人士告訴動脈網，現有的适齡婦女乳腺癌人群篩查率約為20%-30%，未來要達到與宮頸癌相同的篩查水準，很難繞開人工智能。

當醫療AI切入了更深遠的臨床，

将帶來哪些變化

盡管超聲與乳腺X線能夠解決乳腺癌基本篩查的問題，但若想更精準的判定病竈良惡性，還是需要借助惡性良性腫瘤活檢做出最終診斷。

這裡的問題在于學科的交叉上。乳腺外科手術中，超聲的使用可提高手術療效，顯著降低惡性良性腫瘤留存率及再次手術切除率和切除标本的體積，但對于外科醫生而言，超聲引導均存在門檻，需要找到超聲醫生配合完成。而實際情況下，超聲醫生本就是一個稀缺的存在，在上海、北京這樣的超一線城市，預約一次超聲引導的乳腺惡性良性腫瘤活檢，需要近一個月時間。

上文提到的“醫準智能乳腺超聲實時動态智能分析系統”同樣可以解決這一問題。借助于人工智能技術，系統能夠對病竈進行精準定位，進而智能生成手術路徑，引導外科醫生精準治療，縮短手術時間，降低手術風險，提高手術治療的成功率。

這套系統的另一個優勢在于優化醫生的效率。過去醫生在進行超聲操作時必須時不時停下來截屏記錄，在操作完成後補全記錄，人工智能支援下，這些手術過程中的額外行為将有人工智能代為執行，而醫生則能将更多精力至于治療診斷本身。

讓乳腺AI跑快一點

今年兩會期間，全國人大代表、中國工程院院士、山東省惡性良性腫瘤醫院院長于金明及全國人大代表王玲均建議将宮頸癌、乳腺癌等婦科惡性良性腫瘤篩查納入醫保。王玲代表還提出建議：“在乳腺癌篩查方面，目前需要靠人工B超和乳腺X線，對裝置和人員技術要求高，在農村全部推廣起來有困難。希望國家加強乳腺癌篩查人工智能方面的投入。”

縱觀全行業，高品質的乳腺癌人工智能篩查技術已有多家企業成型，并走在前往三甲醫院、基層醫療的路上，隻是一項前沿技術由實驗室走到醫療的每一個角落，總是需要一定的時間。

如今乳腺AI下沉的漣漪效應始現，智能化乳腺癌診斷的傳導已有加快。我們能夠看到越來越多的醫療機構用上了人工智能賦能的乳腺診斷工具，更多患者得以及早享受治療，所承受的經濟負擔也得以大幅降低。

但需警惕的是，要使乳腺篩查成為一項全民篩查，其最終執行點還應落在基層醫療。但如今患者抵觸基層就醫的情緒依然存在，在缺乏支付保障、資源導流的形勢下，乳腺AI遍布基層的情形還不會實作，還需要政策進行兜底，以及更多企業、醫療機構的力量參與進來，讓乳腺AI跑快一點。

*封面圖檔來源：123rf