从硬件到人工智能:帧观德芯助力普及乳腺癌筛查

乳腺癌:女性健康头号杀手

中国抗癌协会公布的统计数字显示,乳腺癌是女性发病率最高癌症,而且近年来我国乳癌发病率正以每年3%的速度递增,成为城市中死亡率增长最快的癌症,发病年龄也呈逐渐年轻化的趋势。中晚期乳腺癌各种治疗方案都不理想,最好的办法是早期筛查,进行微创手术治疗。X光乳腺照影是唯一被统计数据证实的,可以降低死亡率的筛查方法。据加拿大预防保健工作组数据显示,对每720名女性进行每两年一次的钼靶X光乳腺癌筛查,即可防止1名女性死于乳腺癌。目前,欧美主要发达国家已基本实现适龄女性钼靶X光乳腺癌普筛。然而在我国,钼靶X光乳腺癌筛查并没有大范围推广,原因在于在X光乳腺机市场中当前占主导地位的非晶硒乳腺机产能很低,而且单价往往超过350万元人民币,而且保养和维护费用极高。目前能够普及乳腺癌筛查的国家,人均GDP多在4万美元以上。而中国人均GDP在八千美元左右,无法支撑美国一样的大规模乳腺癌筛查所产生的巨大财政开支。

图1:乳腺癌常年位居中国女性癌症发病率首位,而且快速增长,已成为女性健康头号杀手

从量子计数乳腺机到AI阅片:帧观德芯助力中国适龄女性乳腺癌筛查

深圳帧观德芯科技有限公司日前宣布:其自主研发的量子计数X光探测芯片实现大规模量产,世界首台面阵型量子计数乳腺机“清照”亦已开发完成,最快2018年底即可上市销售。对比市场现有的动辄超300万人民币/台的非晶硒探测器乳腺机,清照系列量子计数乳腺机不仅具有图像更清晰扫描速度更快对温/湿度不敏感等性能优势,更有望将价格降低80%以上,产能几乎无上限,可深入基层医院和体检中心,为我国尽早实现适龄女性乳腺癌普筛提供高性价比的硬件设施基础

然而,我国影像科医生资源总体匮乏,每万人医师配比仅为美国的1/5,而且分布极为不均,大型医院人满为患,而基层医院和体检中心极度缺乏高水平医师。虽然相比超声等乳腺癌筛查手段,X射线乳腺机成像过程为标准化操作,不需要医生干预,但是基层医院可以准确诊断乳腺癌的专业影像科医生匮乏仍是我国推进乳腺癌普筛的另一项重要障碍。

图2:基层医院影像科医生资源极度匮乏

为解决这一难题,帧观德芯在着力研发世界领先的X光成像硬件技术的同时,同步研发基于最新一代深度学习模型的人工智能辅助阅片解决方案。近日,深圳帧观德芯科技有限公司宣布推出自主研发的用于钼靶X光乳腺癌筛查的人工智能辅助阅片系统。该系统经过3万多张带有像素级病灶标注和金标准病理验证结果的图片训练,可以检测并分割图像中肿块、钙化、结构扭曲等主要标示乳腺癌风险的病灶,并且给出良性或恶性判断。经临床数据验证,该模型检测恶性乳腺癌病变的主要精度评价指标均达到大型三甲医院具有5年以上乳腺X光阅片经验的专业影像科医生水准,而在判断疑难病例任务中准确度更高,为医生提供可靠诊断建议。

图3:帧观德芯AI辅助阅片系统

大模型+大数据:帧观德芯AI辅助阅片系统提供专业医生级乳腺癌诊断

基于X光影像的乳腺癌筛查属于计算机视觉中的检测和分类问题,但具有其特殊性。为此,帧观德芯AI团队自主研发了特别适用于乳腺X光病灶深度神经网络检测模型。该模型由超过100层的深度卷积神经网络构成,可以基于单幅图像进行检测,也可以综合多张图像联合学习得到更好的检测精度,并且对病灶位置、大小、周围腺体背景信息等信息敏感。同时,该检测模型为多任务学习模型,可以同时判断病灶种类、恶性程度、并且对整张图像的癌症概率进行推理。

通过和多家大型权威三甲医院影像科开展科研合作,帧观德芯AI团队已完成8000余例(超过32000张钼靶X光图像)带有穿刺病理确认恶性或良性的病例的数据标定工作,而病例数目在持续增加中。数据标定由多名具有五年以上乳腺X光阅片经验的医生进行,精确勾勒出每个病灶的位置和轮廓,并且标明病类型(肿块/钙化/结构扭曲/不对称等)、BIRADS【注1】以及穿刺病理验证结果。标注结果由一名主任级权威影像科医生进行审阅和修正后用于训练神经网络模型。

模型训练完成后,在由500例病例构成的测试集上评估阅片准确度,并与负责数据标注的权威三甲医院具有5年以上乳腺X光阅片经验的专业影像科医生进行诊断准确度对比。结果显示,该系统检测乳腺癌的主要精度评价指标(ROC曲线下面积、90%灵敏度下特异度等)中均达到高水平影像科医生水准。在图4中,红色和蓝色曲线分别代表医生和AI模型诊断恶性癌症的准确度ROC评价。AI和医生阅片准确度ROC曲线下面积分别为0.93和0.92,AI模型表现优异。

图4:帧观德芯AI辅助阅片系统与高水平专业医生诊端准确度ROC曲线对比。ROC曲线下面积越大,则诊断准确度越高

另外,在医生并不确定是否恶性(BIRADS=4A,4B,4C类)以及医生认为根据图像无法判断(BIRADS=0类,如高度质密乳房)的情况下,帧观德芯AI辅助阅片系统和医生独立阅片的ROC曲线如图5所示。可以看出,AI辅助阅片模型在疑似癌症病例以及医生难以判断的病例中,阅片准确度高于医生。因此AI阅片系统与医生展现出较高的互补性:医生在高度确信的情况下,不需要依赖AI辅助诊断;而在医生并不确信病例恶性程度的情况下,AI阅片模型可以提供有价值的诊断建议作为参考。

图5:在疑似癌症病例(左)和医生认为无法判断的病例(右)中,帧观德芯AI阅片模型准确度明显高于专业医生

图6展示了一些病例的AI阅片结果。在这些病例中,左图为原始输入图像;中图为AI阅片结果,包括病灶区域,病灶类型,良性/恶性判断,以及概率置信度;右图为权威三甲医院具有5年以上乳腺X光阅片经验的专业影像科医生对照穿刺病理报告标注的结果(格式为:病灶类型,BIRADS,穿刺病理验证结果)帧观德芯乳腺AI辅助阅片系统与高水平影像科医生评价展现出高度的一致性:该模型其癌症病灶假阳性率很低,在保证90%以上恶性病灶检出率的前提下,假阳性率低于每幅图像0.3。

图6:帧观德芯AI辅助阅片系统阅片样例

把握数据入口:帧观德芯AI的未来

帧观德芯作为世界上领先的乳腺钼靶X光硬件设备厂商,在研发AI辅助阅片系统中拥有得天独厚的优势。其原因在于:对于任何AI辅助阅片系统而言,训练数据的获取都是算法诊断性能提升的关键。训练数据不仅要数量多,更重要的是来源广质量好。帧观德芯推出的新一代面阵式量子计数乳腺机,具有图像更清晰、对温度湿度不敏感、量产成本低、产能大等诸多优势,能够快速在全国和全世界范围内铺开,从而占领钼靶X光乳腺癌筛查的数据入口,届时可获得广泛和具有普遍性的数据来源。更重要的是,帧观德芯作为硬件制造商,可以获得钼靶X光乳腺照影的源数据(raw data),而不仅仅是经过处理的Dicom图像。目前绝大多数的医学影像AI辅助阅片产品由于无法获得第一手的源数据,模型训练都是在经过后处理的Dicom图像上完成的。而Dicom图像的后处理为了满足医生阅片的视觉习惯,丢掉了人类视觉不敏感,而AI可以识别的重要特征。而且如图7所示,各生产厂商由于后处理方式不同,图像风格展现出巨大的差异性。当训练完成的AI模型用于不同设备厂商图像的诊断,阅片正确率通常会大幅度降低。而帧观德芯AI阅片系统将使用自家设备生成的标准化源数据进行训练,不仅可以消除由训练和测试数据来源不同而产生的“水土不服”现象,更可以学习出人类视觉难以分辨的病灶特征,从而获得更高的诊断准确度。

图7:来自三家不同厂商的DICOM格式钼靶X光乳腺照片

结语

每年10月是世界乳腺癌防治月,目的之一是为了防止、及早治疗乳腺疾病,降低乳腺癌给女性生命带来的威胁。根据美国癌症学会和美国放射医学会建议,非高危女性人群应从40岁开始每年进行乳腺X光检查。而我国女性乳腺癌低龄化突出,发病平均年龄比西方国家提早了10年,更应及早进行筛查。面对目前乳腺X光机高昂的购置和维护成本以及基层医院高水平影像科医生匮乏的现状,帧观德芯清照系列量子计数乳腺机和其不断完善的AI辅助诊断平台或使中国适龄女性乳腺癌普筛在不久的将来变成现实。关爱乳房健康,我们在努力!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180726G0XYWM00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券