乳腺疾病领域AI医学影像应用及发展趋势分析

3.1 乳腺疾病介绍

3.1.1 乳腺疾病人群及负担 

乳腺疾病是一类影响乳腺组织的疾病，包括良性和恶性肿瘤、炎症性疾病等。其中，乳腺癌是女性中最常见的恶性肿瘤之一，多见于40-60岁女性，早期可能无症状，随着病情发展可能出现肿块、皮肤改变、乳头溢液等症状。

乳腺的结构 

乳房的大部分由腺组织和脂肪组织组成，其中腺体与脂肪组织的比例因人而异。乳房受性激素雌激素的影响很大。随着绝经期的临近，雌激素水平下降，腺体组织也随之减少。

乳腺癌 

乳腺癌是一种异常乳腺细胞生长失控并形成肿瘤的疾病。如果不加以控制，肿瘤会扩散到全身并致命。乳腺癌细胞始于乳房中的乳管和/或产乳小叶内。最初以原位形式出现，并不会对生命构成直接威胁，且能在早期被检测到。而随着癌细胞向周围乳腺组织的扩散，形成侵袭性肿瘤，可能导致乳房中出现肿块或增厚的现象。侵袭性癌症有能力进一步扩散到邻近的淋巴结甚至其他器官，即发生转移，这种情形可能对生命造成威胁。

乳腺癌 

根据世界卫生组织（WHO）发布的最新统计数据，2022年乳腺癌在全球造成67万人死亡。在女性群体癌症新发病例中，乳腺癌以超过200万新发病例（占比23.8%）位列第一。中国国家癌症中心数据显示，2022年中国女性人群中新发病例数最多的三类癌症依次为肺癌、乳腺癌和甲状腺癌。

3.1.2 乳腺疾病影像学诊断 

医学影像检查是诊断乳腺癌最有效的方法，目前临床上有多种不同的成像方式可用于诊断，例如乳腺X线、乳腺超声、磁共振成像和数字乳腺断层合成摄影（digital breast tomosynthesis，DBT）等。

3.2.1 AI辅助乳腺疾病影像学诊断——乳腺超声 

超声是乳腺癌筛查的一线检查方法，尽管有相关标准对检查过程进行规范化指导，但仍不可避免地受到操作者主观因素的影响。随着人工智能技术在乳腺超声领域的研究不断深入，人工智能在乳腺超声领域的应用已从基于二维静态图像分析，逐渐发展至动态捕获病灶并对关键帧进行分析，以及到全自动乳腺容积扫查和多模态研究。人工智能在超声领域的应用可辅助超声医师提高诊断的准确性和一致性，在乳腺癌的筛查和诊疗过程中具有重要价值。

基于创新性开发的卷积神经网络特征融合模拟恢复3D算法，在医生扫查病人的同时，进行异常声像检测，提高检出效率，并可对病灶良恶性进行分类，具有时间分辨力更高、信息显示更丰富、细节呈现更清晰的优势，能够有效减少漏诊概率。

3.2.2 乳腺超声AI医学影像产品解析 

《乳腺癌筛查工作方案》表明要加强乳腺癌早筛服务能力建设，健全乳腺癌综合防治网络，完善工作规范和服务流程，积极运用互联网、人工智能等技术，提高基层乳腺癌防治能力。如医准智能、复星杏脉等企业均在AI乳腺超声领域有所布局。

医准智能作为全球首个乳腺智能筛查解决方案供应商，基于动态实时超声AI技术，从乳腺癌筛诊疗多场景入手，实现乳腺癌防治新路径。目前已助力千余家医疗机构进行乳腺癌早筛工作。

复星杏脉与GE医疗合作，共同推广女性健康解决方案，聚焦AI智慧两癌筛查移动车方案（ABUS乳腺+宫颈癌），普及医生和患者教育，并通过乳腺癌月及女性健康“粉红行动”、“乡村女教师”等系列公益活动，开展女性疾病防治方面的宣教。

3.2.3 AI辅助乳腺疾病影像学诊断——乳腺X射线 

乳腺X线检查对于含钙化病灶的检出十分有效，但对增生腺体内的微小肿块、特殊型乳腺癌的诊断有一定困难。此外，部分良性和恶性病变的图像特征可能存在重叠，增加了诊断难度。随着技术研发的深入，数字断层融合X线成像可实现一次压迫获得一系列的断层图象，从而可以检出传统乳腺X线成像易被忽略的病灶。

基于AI的计算机辅助诊断（CAD）技术，可以实现基于X射线的乳腺癌筛查、良恶性鉴别及分型等。《柳叶刀-肿瘤学》发表的一项超过8万瑞典女性参与的中期安全性分析，该研究显示AI辅助的基于乳腺X线图像检测乳腺癌的效果与两位乳腺放射科专家相当，且没有增加假阳性结果，并可以将阅片工作量减少近一半。

3.2.4 乳腺X射线AI医学影像已上市产品解析 

中国政府高度重视智慧医疗及医疗信息化产业的发展，出台了多项鼓励发展的政策，特别是在“新一代人工智能发展规划”中提出推动医学影像数据采集标准化与规范化，并支持典型疾病领域的医学影像辅助诊断技术研发。

3.3 乳腺疾病AI医学影像行业发展趋势

技术成熟度持续提升

AI医学影像技术日趋成熟，诊断准确度、速度和覆盖病种不断实现突破，有望较快进入高效可用阶段。此外，随着放射基因组学、转录组学、代谢组学等技术的发展，这些高维度的复杂数据可以通过人工智能进行处理，在评估乳腺癌异质性方面具有独特优势，为精准医学中多维度探索乳腺癌病理生理机制提供了更多可能性。

在过去的十年里，中国乳腺疾病领域人工智能研究蓬勃发展，在包括X线、超声和MRI等常见的乳腺成像技术领域都有突出的表现。与人工读取相比，基于深度学习的人工智能模型可以有效降低不必要的BI-RADS 0级病变的召回率和良性活检率，同时不会遗漏高级别的恶性肿瘤。此外，人工智能模型在预测BI-RADS 4级微钙化方面可以达到较高水平。

向集成化诊断平台发展

AI技术在乳腺疾病领域的诊断正朝着构建集成化诊断平台的方向发展，这种集成化诊断平台利用先进的机器学习和深度学习算法，综合多种影像学数据和临床信息，从海量数据中提取有价值的特征，识别出疾病的早期迹象，提供定量的评估，并给出全面的诊断结果，并推荐个性化的进一步检查和治疗方案。医准智能的“粉红关AI”-乳腺癌智能筛诊疗一体化解决方案，覆盖三款乳腺检查影像设备（乳腺超声、全视野数字乳腺X线摄影、数字乳腺断层摄影），从筛、诊、疗多角度出发，同步布局影像质控、科研、教学等不同维度关注乳腺健康；复星杏脉联合中国甲乳超声人工智能联盟400余家医院，打造具备高泛化性的乳腺超声人工智能辅助诊断系统。

辅助乳腺癌的预后、生存和治疗反应

AI技术在提高图像质量、快速检测乳腺病变、恶性肿瘤的诊断以及癌症的生物学特征分析方面取得了进展。AI技术能够有效地协助乳腺癌的分割、诊断和预后，通过整合多组学数据来预测临床结果，例如转移、治疗反应和生存，进而实现对疾病预后的预测和跟踪。不同类型的乳腺癌患者中，采用不同的治疗方式可以提高患者的生存率并降低复发率，因此，识别可能从某些治疗中获益的患者十分重要。人工智能算法可以结合多种影像学、病理学、生物标志物等指标对患者进行归类，或对治疗后反应进行预测，从而推荐治疗手段。