2024年醫院新興技術創新應用典型案例征集活動經行業專家背靠背盲審以及終審，共選出20篇典型案例，將陸續刊登出來，以饗讀者。

1 項目簡介

　　新疆醫科大學附屬腫瘤醫院通過“超聲影像實時智能乳腺腫瘤早篩及精準量化療效評估系統”這一項目的推廣，利用超聲影像，針對女性乳腺腫瘤的篩查、輔助診斷、新輔助化療療效評估及預后判斷，實現乳腺腫瘤患者全周期管理。系統與B超機連接，內置數據管理系統，可進行DICOM影像存儲、格式轉換及臨床標簽錄入;在診斷環節，實時分析超聲影像，利用人工智能技術標注腫瘤，自動識別良惡性，并即時高效出具分析報告;在新輔助化療評估環節，利用深度學習自動匹配患者前期超聲影像，自動測量評估病灶大小變化，Delta影像組學實時比對治療前后差異，精準評估療效;在預后預判環節，利用前期訓練生成的影像組學模型，預測乳腺癌的分子病理分型、腫瘤分期、復發風險以及生存期評估，從而預測生存率和預后相關情況;在地州推廣應用環節，實現跨院模型共享，高度匹配并適用各種超聲儀器。

2 建設與開發

　　新疆醫科大學附屬腫瘤醫院研發的《超聲影像實時智能乳腺腫瘤早篩及精準量化療效評估系統》，對超聲聯合深度學習及影像組學技術在乳腺癌新輔助化療的療效，進行精準量化智能評估，屬于精準醫學、智能醫學的新醫科范疇，與新疆工程學院合作完成，根據當前乳腺腫瘤診治的難點、迫切需要解決的問題入手，重點解決乳腺腫瘤的早篩、分型以及新輔助化療療效評估的關鍵問題。

　　本項目分為5個課題，如圖1所示。數據清洗、圖像預處理以及圖像增強是開展研究的首要步驟，規整的數據是后續研究的基礎;影像病灶的精準標注是深度學習、組學分析關鍵環節;本項目擬研究的人工智能輔助診斷技術、影像組學分析技術以及新輔助化療療效評估方法等核心技術，是實現系統功能的關鍵途徑;程序開發、可視化以及系統集成，是將技術轉化為落地產品的重要手段。

圖1 關鍵技術研究

　　具體研究方案(包括研究思路和解決問題的思路)如圖2所示。針對乳腺腫瘤診治的難點及需求，重點解決乳腺腫瘤的篩查、分型以及新輔助化療療效評估的關鍵問題，最終開發落地產品。重點研究人工智能輔助診斷、影像組學分析以及新輔助化療療效評估3個方面的核心技術問題。具體的技術路線如下：

圖2 總體研究方案

　　(1)以提高乳腺超聲影像腫瘤分割的準確率為目標，提出了一種基于U-Net算法的乳腺超聲影像腫瘤分割模型(CSE-U-Net)。為了增強模型特征提取能力，在下采樣階段添加ECA注意力機制，為了加強模型對空間信息和上下文信息的學習能力，提出了多尺度上下文通道空間信息提取模塊。實驗證明，提出的模型能夠有效提升腫瘤分割精度。

　　(2)針對乳腺X線影像征象檢測問題，提出了一種基于YOLOV5算法的乳腺X線影像征象檢測模型(YOLOV5-EA)。為了提升模型對X線影像征象特征提取的能力，YOLOV5-EA模型在主干特征提取網絡中增加高效注意力機制和非對稱卷積結構，為防止模型陷入局部最優解，使用One Cycle學習率調整策略周期性改變學習率，保證目標檢測的精確率。實驗證明，提出的模型能提升乳腺X線影像中惡性腫瘤、良性腫瘤及鈣化灶的檢測精度。

　　(3)為了解決通過乳腺超聲影像鑒別三陰性乳腺癌的問題，提出了一種基于超聲影像組學的三陰性與非三陰性乳腺癌分類方法。首先，利用影像組學技術對乳腺癌超聲影像進行特征提取，并對特征數據進行歸一化處理;其次，使用LASSO算子和T檢驗進行組學特征篩選與降維;最后，利用機器學習算法進行分類，其準確率達到82.22%。

　　(4)《中國女性乳腺癌篩查指南(2022年版)》推薦乳腺超聲為中國女性乳腺癌的首選篩查手段，而本項目創新性的利用超聲影像研發從智能診斷、新輔助化療評估到預后精準預測的全過程的一體化系統，重要意義體現在：

　　1)實現乳腺癌早期篩查的同質化水平，服務民生，節省醫療資源和醫保成本。

　　2)系統可快速輻射到全疆15家醫院，實現大規模、高效全自動乳腺腫瘤篩查，1秒以內即可完成1張超聲影像分析, 15分鐘內即可完成1000個病例的超聲影像分析。

　　3)首次在新疆建立乳腺超聲影像的人工智能數據庫、影像組學信息庫以及臨床病例數據庫，對臨床醫生決策、科學研究以及教學有重要意義。

　　4)對乳腺癌新輔助化療療效實現智能化精準評估。

3 關鍵技術或產品描述

　　(1)數據庫的獨特性

　　訓練的數據庫是深度學習模型識別準確率的決定因素，本項目主要針對新疆地區乳腺腫瘤的特點建立深度學習數據庫，對于識別新疆地區明顯特征的富脂肪型乳腺(腫塊大、不規則、分期晚以及炎性特征等)具有重要意義，創新開發的《超聲影像實時智能乳腺腫瘤早篩及精準量化療效評估系統》在國內具有領先地位。本項目建立的影像、臨床數據庫將為后續開展臨床研究、教學等奠定重要基礎。

　　(2)建立輔助診斷、穿刺到療效精準評估的全流程的一體化精準診療系統

　　國內外關于乳腺超聲人工智能的專利及成果均為醫學影像分類模型等智能輔助診斷技術，主要實現病灶的自動分割、腫瘤良惡性預判以及掃描預警等功能，但還沒有聯合自動影像組學進行更精準評估的平臺。本項目擬開發的平臺融合了智能影像處理、深度學習、數據挖掘及自動影像組學等技術，通過精準量化智能評估乳腺癌新輔助化療療效。

　　(3)多維度評估新輔助化療療效

　　國內外關于乳腺超聲人工智能的研究成果，如論文、專利等，主要都是與醫學影像分類模型相關的智能輔助診斷技術，實現病灶自動分割、腫瘤良惡性預判和掃描預警等功能，但還沒有結合影像組學(包括：Delta Radiomics影像組學技術)自動精準評估的系統，而本項目擬研究的人工智能系統，從多模態、影像組學以及深度學習多個維度評估新輔助化療療效，具有較高價值。

　　(4)引入注意力機制的目標檢測模型

　　當前主流的目標檢測模型對旋轉和翻轉目標特征提取能力有限，尤其是新疆地區脂肪型乳腺特征明顯，并且腫塊大且不規則、分期晚，本項目創新性的在YoloV5模型主干網絡引入注意力機制，并在Conv模塊中引入非對稱卷積結構，通過增加一個縱向卷積核和一個橫向卷積核，從而增強模型的特征提取能力。

　　(5)融合多尺度通道和空間感知的語義分割模型

　　新疆地區女性乳腺腺體富含脂肪，脂肪型乳腺癌常見，往往帶有炎性特征，當前主流的語義分割算法，不能準確挖掘病灶?；赨-Net模型，本項目創新性的計劃做如下改進：第一階段，在U-Net主干網絡特征提取部分添加ECA通道注意力機制，增強模型的魯棒性;第二階段，將多尺度通道注意模塊和多尺度空間感知模塊相結合，有利于解碼器提取圖像的特征信息。

　　項目組前期的研究成果見圖3A-3C、圖4A-4B、圖5A-5C、圖6A-6D和圖7A-7B。

　　圖3A-3C為乳腺超聲腫瘤自動篩查效果，紅框為自動標記的腫瘤，標簽為良惡性。針對確診的1200多例乳腺癌超聲影像分析，準確率達85%。

圖3A 自動篩查到1個病灶，惡性概率為98%

圖3B 自動篩查到兩個病灶，惡性概率分別為90.8%和54.9%

圖3C 自動篩查到兩個病灶，良性概率為：91.3%和87.9%

　　圖4A-4B為利用深度學習技術自動計算新輔助化療不同周期的腫瘤面積和多普勒超聲血流信號變化情況。其中，橫坐標為時間，即不同化療周期的時間節點，縱坐標為像素面積。

圖4A 不同NAC周期的腫瘤面積和血流信號變化(曲線圖)

圖4B 不同NAC周期的腫瘤面積和血流信號變化(柱狀圖)

　　圖5A-5C為人工智能技術智能分割腫瘤，智能分析八大征象，并自動出具分析報告。

圖5A 原超聲影像

圖5B 人工智能技術智能分割的腫瘤區域

圖5C 自動出具分析報告

　　圖6A-6D為自動影像組學技術分析LuminalA型和LuminalB型乳腺癌特征。通過對良惡性、化療前后、LuminalA型、LuminalB型、Her-2陽性型及三陰性型不同分類的影像組學特征比較，系統分類的平均準確率可達80%以上。

圖6A 自動提取200個病例的影像組學特征

圖6B LuminalA型和LuminalB型分型的AUC值為81.13%

圖6C 影像組學數據在訓練(A)和驗證(B)隊列中的方差分析結果

圖6D 12個特征的自相關熱圖

　　圖7A-7B為深度學習及影像分析技術自動在腫瘤區域分析適合穿刺區域。

圖7A 上傳超聲影像自動在腫瘤區域分析適合穿刺區域

圖7B 最右邊二維超聲影像的白色區域為穿刺區域

4 應用效果

　　本案例完成了以下科學、技術、產業預期指標，并產生了良好的社會、經濟效益。

　　(1)當前市面上尚沒有此類成熟的產品，尤其是大規模、高效開展乳腺癌早篩、結合影像組學智能評估新輔助化療療效的平臺更是空白，該產品對醫療資源缺乏的地區尤其適用，此項目將助力新疆乳腺腫瘤事業高水平發展。

　　(2)3年內，在新疆15家醫院部署了《超聲影像實時智能乳腺腫瘤早篩及精準量化療效評估系統》，實現乳腺超聲影像100%分析，并自動篩查乳腺良惡性腫瘤，培訓相關超聲醫生50余名。

　　(3)開展的新醫科、影像組學分析、大數據分析以及人工智能等技術方面的講座、授課200余學時。

　　(4)系統與超聲機連接，實時分析，在部署本系統的醫院，實現所有的乳腺超聲檢查患者同步檢測，腫瘤篩查全覆蓋。

　　(5)本項目開發的深度學習及影像組學分析模塊，同時又是科學研究的工具，計劃和部署本系統的醫院已發表高質量論文10篇。

　　(6)培養新醫科方向的研究生10余名。

　　(7)項目的社會效益

　　1)實現乳腺癌早期篩查，服務民生，節省醫療資源和醫保成本。

　　2)系統可快速輻射到全疆各大醫院，實現大規模、高效全自動乳腺腫瘤良惡性篩查，可實現1秒以內完成1張超聲影像分析, 15分鐘內即可完成1000個病例的超聲影像分析，且能提供同質化診斷水平。

　　3)首次在新疆建立乳腺超聲影像的人工智能數據庫、影像組學信息庫以及臨床病例數據庫，對臨床醫生決策、科學研究以及教學有重要意義。

　　4)為人工智能結合影像組學評估乳腺癌新輔助化療療效提供新路徑。

　　5)醫療機構可以獲得更多技術支持及資源共享，系統性降低成本;大數據助力科學研究;腫瘤病灶信息量化，有助于提高乳腺癌新輔助化療預測準確率;為臨床醫生提供決策依據，實現精準治療。

　　6)解決不同超聲醫生對乳腺腫瘤診斷認知的同質化需求。

5 總結

　　超聲影像實時智能乳腺腫瘤早篩及精準量化療效評估系統在新疆醫科大學附屬腫瘤醫院的應用，屬于精準醫學、智能醫學的新醫科范疇，聚焦于《中國女性乳腺癌篩查指南(2022年版)》中提出的“女性高發腫瘤的篩查、診斷、發生轉移機制和精準診斷治療中的瓶頸問題”，重點攻關“人工智能輔助識別、基于機器學習的影像組學分析、風險預警監測以及臨床決策支持”的關鍵技術問題，開發了出能落地應用的產品，并推廣至新疆15家醫療機構。

　　本項目研究的人工智能輔助診斷技術、影像組學分析技術以及新輔助化療療效評估方法，對乳腺癌診療指南提出的“為構建一體化精準診療體系和創新網絡，為加快女性特高發惡性腫瘤防診治技術”有重要意義。

　　申報單位

　　新疆醫科大學附屬腫瘤醫院

　　案例賽道

　　應用場景與技術創新

　　案例業務領域

　　臨床應用