重视乳腺影像学技术的发展，提升乳腺癌影像学诊断水平

孙应实，曲玉虹

(北京大学肿瘤医院暨北京市肿瘤防治研究所医学影像科 恶性肿瘤发病机制及转化研究教育部重点实验室，北京 100142)

乳腺癌是全球女性发病率第一的恶性肿瘤，在我国，乳腺癌死亡率逐年上升[1]，严重威胁女性健康。关于乳腺癌的研究持续成为关注焦点。乳腺癌患者5年生存率在部分发达国家可达85%，在北美及大洋洲等发达国家已达90%[2]。近年来，随着女性癌症筛查意识的增强，我国乳腺癌患者的5年生存率已提升至82%[2]，但与发达国家仍存在差距。

乳腺癌的早期诊断、早期治疗十分重要。早期诊断乳腺癌可使肿瘤临床分期前移，提高治愈率，因此早期筛查作用突出。目前支持乳腺癌筛查的科学依据较其他任何肿瘤均更为全面[3]。Hillman等[4]指出，早期精确诊断可使乳腺癌患者5年生存率从25%提高到99%。尽管目前已发展出多种用于乳腺癌筛查的影像学手段，但乳腺X线摄影仍是研究最充分、唯一被证明可提高乳腺癌检出率的影像学手段。乳腺X线摄影可提高40～69岁女性早期乳腺癌的检出率[5]。经过大规模、多中心的循证医学研究后，学者广泛认为采用乳腺X线摄影筛查早期乳腺癌利大于弊[6]。目前乳腺X线检查应用于乳腺癌筛查的有效性虽已得到广泛认可，且欧美国家已建立和完善了相应的乳腺癌筛查体系[3]，但仍存在一些争议，如加拿大的一项研究[7]认为对40～59岁女性每年进行乳腺X线检查并不能有效降低患者死亡率，且存在22%的过度诊断率；甚至有学者[8]认为应用乳腺X线筛查危害大于获益，应停止使用。

我国乳腺癌筛查起步较晚，由于社会经济发展不平衡，各地区乳腺癌筛查的模式并未统一。中国女性乳腺偏小，腺体致密，目前大部分地区的筛查工作模式是以乳腺X线检查作为基本检查方式，辅以超声及临床触诊[9]。但由于医疗卫生水平的差距，筛查质量难以保证；且占大比例的农村女性对乳腺癌防治知识了解甚少，筛查意识不够，依从性不高，影响了筛查工作的推进[10]。不同于西方国家，中国女性乳腺癌发病年龄更为年轻，且60岁后随年龄增加，发病率基本保持稳定，故西方国家推荐的乳腺癌筛查方案并不完全适用于我国女性。因此，建立基于中国女性的筛查策略实属必要。相信随着乳腺检查数据的标准化、信息库的逐步完善及各级医疗单位筛查组的不懈努力，会制定出符合中国国情的乳腺癌筛查方案。

乳腺X线摄影虽然对微钙化的敏感度高，但其筛查效能随着乳腺腺体致密程度增高而降低，对极致密乳腺，X线检查的敏感度仅为30%～64%，而对于脂肪型腺体，其敏感度约为76%～98%[11]。鉴于此，辅助筛查手段相继出现[12]。断层乳腺融合X线摄影(digital breast tomosynthesis， DBT)采用低剂量断层融合的方法，无重叠影像的干扰，相比乳腺X线摄影提高了乳腺癌的检出率，同时降低了假阳性率[13]；但DBT对微钙化的敏感度尚无统一定论，且作为附加筛查工具，导致阅片时间及辐射剂量均有所增加[14]。增强DBT以及对比增强能谱乳腺摄影(contrast enhanced spectral mammography, CESM)对乳腺癌检出的敏感度较高，可达98%[15]，但尚处于研究阶段，故不推荐作为常规筛查手段。

超声在20世纪80年代是乳腺癌的辅助筛查手段[16]，但诊断准确率在很大程度上受医师操作水平及经验的影响，且存在对微钙化及非肿块样病变不敏感的弊端。超声与乳腺X线摄影联合筛查可增加检出率，但增加了检查费用、召回率和不必要的活检[17-18]。超声检查无辐射，价格相对低廉，加之中国女性乳腺普遍偏小且腺体致密，故超声作为乳腺癌筛查手段在我国应用更为广泛[19]。但是，截止目前，仍无源自中国的大规模数据，以提供符合中国国情的乳腺癌筛查策略的循证医学证据[20]。

MRI对乳腺病变敏感度高。前瞻性研究[21]表明，对于高危女性，MRI的诊断敏感度高于乳腺X线联合超声检查，且图像分辨率高。但乳腺MR检查的特异度低于乳腺X线检查[22]，且价格较高，检查时间相对较长。目前并无证据表明MRI可提高早期乳腺癌的检出率。对于MRI作为辅助筛查手段是否可使患者获益，尚需进一步的临床证据[23]。

乳腺癌的治疗包含手术治疗、放射治疗、化学治疗、内分泌治疗及抗人表皮生长因子受体-2(human epidermal growth factor receptor-2， HER2)治疗等[24]。随着影像组学、纹理分析及多参数MRI的发展，影像学与分子分型、基因分型的关系越来越多地被揭示[25]，影像学有望成为新的无创生物标志物。随着大规模临床证据的出现以及保乳手术的增加，评价新辅助治疗的疗效成为临床治疗的重要环节。乳腺MRI凭借多序列、多参数及功能成像等优势在评价新辅助化疗早期反应、判断新辅助治疗后残余癌及评价预后方面具有优势[26]，其评价治疗效果的准确率高于乳腺X线摄影，但与超声比较，评价残余癌的准确率尚需进一步研究[27]。

随着医工学科的交叉融合，近年来人工智能在影像学诊断肿瘤方面得到飞速发展。影像组学作为一种多特征提取、筛选及建模分类的方法于2012年被提出后，受到研究者的广泛关注[28]。影像组学是从影像图像中提取海量特征来量化肿瘤等疾病，可有效解决因肿瘤等病变的异质性而难以定量评估的问题。乳腺癌影像组学特征可用于鉴别不同乳腺癌分子亚型，且与肿瘤复发风险显著相关[29]，并可用于预测新辅助化疗后病理学完全缓解。人工智能深度学习技术已被用于乳腺良恶性病变的分级。Arevalo等[30]通过整合深度卷积神经网络提取的特征和传统手工特征来判断乳腺病变的良恶性。融合迁移学习算法、半监督学习算法的深度网络也被用于提取乳腺病变的特征，以进行良恶性分级[31]。深度卷积神经网络还被用于预测短期内患乳腺癌的风险[32]，在公开数据集，其检出并判别良恶性的AUC可达到0.95[33]。我国人均医疗资源相对短缺，人工智能的出现有助于解决基层医疗诊断资源匮乏的困境，为提高乳腺癌筛查的效率和质量提供良好前景。深度学习技术结合乳腺癌影像，实现高度自动化、精准诊断乳腺癌将是乳腺癌影像学诊断的重要发展趋势。作为一种新兴研究方法，对于影像图像的标准化获取、高通量特征的稳定性、特征选择与建模等关键技术仍需探索。相信随着标准化影像数据的积累，人工智能将会大力推动医学诊疗的变革。