免费开放！清华、智源、协和联合开发乳腺癌AI诊断工具，可预测分子亚型，准确率高达76%...

文：贾伟

使用AI技术来检测乳腺癌，如今已有诸多研究，但大多是基于磁共振、乳腺X线影像进行预测。而超声是中国女性乳腺癌筛查的主要方式。如何利用好超声影像，进行乳腺癌筛查，并对乳腺癌做分子亚型分类，是中国AI医疗领域一个重要且有待拓展的方向。

清华大学、北京智源人工智能研究院以及北京协和医院的研究团队在这一方向进行合作，在2020年 6月份曾发布一项基于VGG模型，对超声影像进行良/恶性检测 及分子亚型分类的深度神经网络模型SonoBreast，当时模型在乳腺癌分子分型上的准确率为56.3%，F1 Score为45.8%。

研究团队经过数月对数据集预处理算法和训练模型的改进，根据近期公布结果，这一模型的分子分型准确率提升了近20个点，达到 76%；而在二分类问题上可以达到93%的准确率。

从临床的角度来看，这些结果距离使用还有很远的距离，但却代表了几个新颖的研究路径：

• 尝试使用超声图像，由于超声检查具有无创、简便、动态等优点，能让模型更简便、具有普遍适用性；

• 进行分子亚型检测而非仅仅良/恶检测。分子亚型的检测，使用肉眼往往是无法分辨的，但对于乳腺癌治疗方案却有重要的指导价值，以往只能通过活检手段才能进行判断；

• 使用联邦学习技术，将多家医院的数据进行结合，做到数据不出本地，但训练效果共享。

01

当前乳腺癌检测所遇到的困难

女性乳腺是由皮肤、纤维组织、乳腺腺体和脂肪组成的，来源于乳腺导管和小叶上皮的恶性肿