基于深度學(xué)習(xí)的乳腺X線腫塊自動(dòng)檢測(cè)系統(tǒng)診斷乳腺腫塊

張興梅，張興華，張 剛，郝帥營(yíng)，李永忠

(1.北京和睦家醫(yī)院放射科，北京 100032；2.北京交通大學(xué)理學(xué)院，北京 100044；3.海南博鰲恒大國(guó)際醫(yī)院放射科，海南 瓊海 571400)

圖1 基于DL的乳腺X線腫塊檢測(cè)系統(tǒng)算法結(jié)構(gòu)圖

乳腺癌是女性死亡率最高的惡性腫瘤[1]，早期診斷是降低死亡率的關(guān)鍵[2-3]。近年來(lái)，以深度學(xué)習(xí)(deep learning, DL)為代表的人工智能(artificial intelligence， AI)技術(shù)在醫(yī)學(xué)影像、人臉識(shí)別、機(jī)器翻譯等領(lǐng)域均取得顯著進(jìn)展[4-6]，使計(jì)算機(jī)輔助診斷系統(tǒng)的性能明顯提升。本研究探討基于DL的乳腺X線腫塊自動(dòng)檢測(cè)系統(tǒng)診斷乳腺腫塊的價(jià)值。

1 資料與方法

1.1 一般資料 回顧性分析2016年2月—2019年6月于北京和睦家醫(yī)院接受乳腺X線檢查的298例女性患者，年齡28～68歲，平均(47.6±10.0)歲。納入標(biāo)準(zhǔn)：①乳腺X線檢查前未接受手術(shù)切除、放射及化學(xué)治療；②圖像質(zhì)量、拍攝條件及投照位符合本研究要求。排除標(biāo)準(zhǔn)：①存在乳腺植入物；②圖像質(zhì)量不佳或投照位拍攝缺失。

1.2 儀器與方法 采用Hologic Selenia Dimensions數(shù)字乳腺X線機(jī)。按照文獻(xiàn)[7]標(biāo)準(zhǔn)常規(guī)拍攝雙側(cè)乳腺頭足位(cranio-caudul view，CC)和內(nèi)外斜位(medio-lateral oblique， MLO)片。

將Dicom格式X線片傳入Bacro RadiForce GX550工作站，采用Dr.Wise乳腺X線影像輔助系統(tǒng)(以下簡(jiǎn)稱AI系統(tǒng)，深睿博聯(lián)科技有限責(zé)任公司)自動(dòng)檢測(cè)并顯示腫塊[8]，見(jiàn)圖1。將經(jīng)過(guò)預(yù)處理的X線片輸入DL檢測(cè)模型基于區(qū)域的分割卷積神經(jīng)網(wǎng)絡(luò)(mask region-based convolutional neural network，Mask R-CNN)[9]中，結(jié)合雙側(cè)乳腺圖像，獲得最終腫塊檢測(cè)結(jié)果。

1.3 乳腺腫塊檢測(cè)參考標(biāo)準(zhǔn)制定 由3名有10年以上乳腺X線診斷經(jīng)驗(yàn)的放射科醫(yī)師經(jīng)過(guò)中華醫(yī)學(xué)會(huì)放射學(xué)會(huì)《乳腺X線攝影檢查和診斷共識(shí)》[7]和美國(guó)放射學(xué)會(huì)推薦的第5版BI-RADS標(biāo)準(zhǔn)[10]培訓(xùn)后，分別以盲法閱讀298例X線片，評(píng)估腫塊的美國(guó)放射學(xué)院(American College of Radiology， ACR)腺體構(gòu)成分類(lèi)、乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(breast imaging reporting and data system， BI-RADS)分類(lèi)、邊緣、形狀和密度；將3名醫(yī)師的結(jié)果匯總并統(tǒng)一，作為檢出腫塊的參考標(biāo)準(zhǔn)。

1.4 圖像分析 由2名工作時(shí)間<5年、近1年乳腺X線讀片量不低于500份的放射科醫(yī)師在無(wú)AI輔助下獨(dú)立盲法閱片，并標(biāo)記腫塊作為對(duì)照(簡(jiǎn)稱醫(yī)生1和醫(yī)生2)；經(jīng)過(guò)1個(gè)月洗脫期后再于AI輔助下閱片并標(biāo)記腫塊(簡(jiǎn)稱醫(yī)生1+AI和醫(yī)生2+AI)。

1.5 統(tǒng)計(jì)學(xué)分析 采用Python 3.7統(tǒng)計(jì)分析軟件。以χ2檢驗(yàn)比較計(jì)數(shù)資料。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

298例中，131例共檢出176個(gè)乳腺腫塊，ACR腺體構(gòu)成分類(lèi)為非致密型18個(gè)，致密型158個(gè)；BI-RADS分類(lèi)2級(jí)12個(gè)，3級(jí)86個(gè)，4a級(jí)26個(gè)，4b級(jí)10個(gè)，4c級(jí)4個(gè)，5級(jí)38個(gè)；腫塊邊緣清晰85個(gè)，模糊17個(gè)，遮蔽25個(gè)，分葉23個(gè)，毛刺26個(gè)；腫塊圓形6個(gè)，橢圓形117個(gè)，不規(guī)則形53個(gè)；腫塊含脂肪密度2個(gè)，低密度1個(gè)，等密度125個(gè)，高密度48個(gè)。醫(yī)師1+AI、醫(yī)師2+AI腫塊檢出率分別高于醫(yī)生1、醫(yī)生2(χ2=4.287、5.731，P=0.038、0.016)，見(jiàn)表1及圖2～5。

表1 醫(yī)師與醫(yī)師+AI檢出腫塊結(jié)果比較[%(個(gè))]

醫(yī)師1檢出非致密型腫塊18個(gè)、致密型124個(gè)，醫(yī)師2檢出非致密型腫塊17個(gè)、致密型120個(gè)；醫(yī)師1+AI檢出非致密型腫塊18個(gè)、致密型138個(gè)，醫(yī)師2+AI檢出非致密型腫塊18個(gè)、致密型136個(gè)。醫(yī)師、醫(yī)師+AI針對(duì)不同ACR腺體構(gòu)成分類(lèi)腫塊檢出差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)，見(jiàn)表2。

表2 醫(yī)師、AI與醫(yī)師+AI檢出不同ACR腺體腫塊比較[%(個(gè))]

對(duì)于BI-RADS分類(lèi)2～5類(lèi)腫塊，醫(yī)師1分別檢出10、64、23、7、2、36個(gè)，醫(yī)師2分別為7、62、23、7、2、36個(gè)；醫(yī)師1+AI分別為9、74、25、8、4、36個(gè)，醫(yī)師2+AI分別為9、72、25、8、4、36個(gè)。醫(yī)師1、醫(yī)師2對(duì)不同BI-RADS分類(lèi)腫塊檢出差異有統(tǒng)計(jì)學(xué)意義(P均<0.05)，而醫(yī)師+AI差異無(wú)統(tǒng)計(jì)學(xué)意義(P>0.05)，見(jiàn)表3。

醫(yī)師1檢出邊緣清晰腫塊64個(gè)、模糊10個(gè)、遮蔽22個(gè)、分葉22個(gè)、毛刺24個(gè)，醫(yī)師2檢出邊緣清晰腫塊63個(gè)、模糊8個(gè)、遮蔽20個(gè)、分葉22個(gè)、毛刺24個(gè)；醫(yī)師1+AI檢出邊緣清腫塊73個(gè)、模糊12個(gè)、遮蔽22個(gè)、分葉23個(gè)、毛刺26個(gè)，醫(yī)師2+AI檢出邊緣清晰腫塊73個(gè)、模糊11個(gè)、遮蔽21個(gè)、分葉23個(gè)、毛刺26個(gè)。醫(yī)師、醫(yī)師+AI針對(duì)不同腫塊邊緣檢出差異均有統(tǒng)計(jì)學(xué)意義(P均<0.01)，見(jiàn)表4。

醫(yī)師1檢出圓形腫塊4個(gè)、橢圓形91個(gè)、不規(guī)則形47個(gè)，醫(yī)師2檢出圓形腫塊4個(gè)、橢圓形87個(gè)、不規(guī)則形46個(gè)；醫(yī)師1+AI檢出圓形腫塊4個(gè)、橢圓形102個(gè)、不規(guī)則形50個(gè)，醫(yī)師2+AI檢出圓形腫塊4個(gè)、橢圓形100個(gè)、不規(guī)則形50個(gè)。醫(yī)師及醫(yī)師+AI對(duì)不同形狀腫塊檢出差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)，見(jiàn)表5。

醫(yī)師1檢出含脂肪密度腫塊2個(gè)、低密度0個(gè)、等

表3 不同BI-RADS分類(lèi)腫塊檢出率比較[%(個(gè))]

表4 不同邊緣腫塊檢出比較[%(個(gè))]

圖2 患者女，46歲，乳腺腫塊(高年資醫(yī)師診斷為乳腺不規(guī)則形、邊緣模糊、等密度、BI-RADS 4a類(lèi)腫塊) A、B.分別為醫(yī)師1和醫(yī)師1+AI檢出結(jié)果，醫(yī)師1漏檢，醫(yī)師1+AI診斷為乳腺不規(guī)則形、邊緣模糊、等密度、BI-RADS 3類(lèi)腫塊 圖3 患者女，44歲，乳腺腫塊(高年資醫(yī)師診斷乳腺卵圓形、邊緣部分遮蔽、等密度、BI-RADS 3類(lèi)腫塊) A、B. 分別為醫(yī)師2和醫(yī)師2+AI檢出結(jié)果，醫(yī)師2漏檢，醫(yī)師2+AI診斷為乳腺卵圓形、邊緣部分遮蔽、等密度、BI-RADS 3類(lèi)腫塊

表5 不同形狀腫塊檢出率比較[%(個(gè))]

表6 不同密度腫塊檢出率比較[%(個(gè))]

圖4 患者女，42歲，乳腺X線片 A～C.分別為乳腺局部放大圖、CC位和MLO位X線片；高年資醫(yī)師意見(jiàn)：CC位片可見(jiàn)腫塊樣輪廓，但MLO位片中未見(jiàn)明確對(duì)應(yīng)，為拍攝時(shí)局部纖維腺體組織重疊；醫(yī)師1+AI(假陽(yáng)性)診斷為乳腺卵圓形、邊緣清晰、等密度、BI-RADS 3類(lèi)腫塊

密度96個(gè)、高密度44個(gè)，醫(yī)師2檢出含脂肪密度腫塊2個(gè)、低密度0個(gè)、等密度92個(gè)、高密度43個(gè)；醫(yī)師1+AI檢出含脂肪密度腫塊2個(gè)、低密度0個(gè)、等密度111個(gè)、高密度43個(gè)，醫(yī)師2+AI檢出含脂肪密度腫塊2個(gè)、低密度0個(gè)、等密度109個(gè)、高密度43個(gè)。醫(yī)師1、醫(yī)師2及醫(yī)師1+A對(duì)不同密度腫檢出差異均有統(tǒng)計(jì)學(xué)意義(P均<0.05)，醫(yī)師2+AI針對(duì)不同密度腫塊檢出差異無(wú)統(tǒng)計(jì)學(xué)意義(P>0.05)，見(jiàn)表6。

醫(yī)師1檢出伴隨可疑鈣化腫塊16個(gè)、不伴隨可疑鈣化腫塊126個(gè)，醫(yī)師2檢出伴隨可疑鈣化腫塊15個(gè)、不伴隨可疑鈣化腫塊122個(gè)；醫(yī)師1+AI檢出伴隨可疑鈣化腫塊16個(gè)、不伴隨可疑鈣化腫塊140個(gè)，醫(yī)師2+AI檢出伴隨可疑鈣化腫塊16個(gè)、不伴隨可疑鈣化腫塊138個(gè)。醫(yī)師與醫(yī)師+AI針對(duì)不同密度腫塊檢出差異均無(wú)統(tǒng)計(jì)學(xué)意義(P均>0.05)，見(jiàn)表7。

3 討論

如何有效評(píng)價(jià)DL對(duì)于臨床工作的輔助作用是當(dāng)前研究熱點(diǎn)之一[11-13]。作為輔助閱片手段，AI的有效性直接影響閱片效果；同時(shí)，不同類(lèi)型病灶的漏檢風(fēng)險(xiǎn)不同，對(duì)AI檢出的穩(wěn)定性提出了要求。本文評(píng)估基于DL的乳腺X線腫塊檢測(cè)系統(tǒng)的有效性和穩(wěn)定性，發(fā)現(xiàn)AI系統(tǒng)輔助醫(yī)師可以顯著提升腫塊檢出率，尤其對(duì)于BI-RADS 3類(lèi)和4類(lèi)腫塊，檢出率提升10.07%(30/298)以上，提示AI系統(tǒng)對(duì)于減少低年資醫(yī)師漏檢具有臨床意義的乳腺腫塊具有一定價(jià)值。相比醫(yī)師，醫(yī)師+AI假陽(yáng)性率小幅升高，原因可能在于AI將一些局部纖維腺體重疊誤認(rèn)為腫塊，對(duì)醫(yī)師造成了誤導(dǎo)。醫(yī)師獨(dú)立閱片時(shí)，對(duì)不同BI-RADS分類(lèi)、邊緣腫塊的檢出有所差異，而在AI輔助下，該差異不再顯著。針對(duì)不同ACR腺體構(gòu)成分類(lèi)腫塊，醫(yī)師、醫(yī)師+AI檢出差異均無(wú)統(tǒng)計(jì)學(xué)意義，但在AI輔助下，P值均有所提升，提示AI輔助有助于減輕不同ACR腺體構(gòu)成分類(lèi)對(duì)檢出的影響，從而提升醫(yī)師對(duì)不同種類(lèi)腫塊檢出的穩(wěn)定性。

表7 伴隨及不伴可疑鈣化腫塊檢出率比較[%(個(gè))]

本研究對(duì)象為亞洲女性，腺體較致密，相比既往研究[12-13]，腫塊檢出難度增加；AI輔助診斷更有意義。漏檢不同征象和BI-RADS腫塊帶來(lái)的風(fēng)險(xiǎn)后果不同。腫塊形狀、邊緣、密度等征象對(duì)于判斷其良惡性有重要參考價(jià)值；BI-RADS分類(lèi)則直接反映對(duì)腫塊惡性概率的評(píng)估。作為輔助閱片手段，AI系統(tǒng)的穩(wěn)定性極為重要。本研究探索了不同腫塊征象、BI-RADS分類(lèi)下的腫塊檢出情況以及AI輔助下的檢出穩(wěn)定性，發(fā)現(xiàn)AI輔助診斷對(duì)于提升醫(yī)師檢出腫塊的穩(wěn)定性具有重要臨床價(jià)值。

本研究的主要局限性：①為單中心研究；②AI系統(tǒng)存在假陽(yáng)性，給低年資醫(yī)師診斷帶來(lái)困擾，如何降低是進(jìn)一步研究的方向。

綜上，基于DL的乳腺腫塊X線檢測(cè)系統(tǒng)有助于減少低年資醫(yī)師漏檢腫塊，提升其對(duì)不同征象和BI-RADS分類(lèi)腫塊檢出的穩(wěn)定性。