乳房引發了無數的戰爭與贊美，但也最易招來腫瘤的青睞，比如乳腺癌。

中國國家癌癥中心的統計數據顯示，在所有女性可能罹患的惡性腫瘤中，乳腺癌高居榜首，占比達到16．51％。全球范圍內，乳腺癌在發達國家和發展中國家女性的惡性腫瘤發病率均排名第1。

為了早期發現乳腺癌，臨床多采取乳腺X線鉬靶檢查的方式。這一方式成熟、簡便、廉價，可靠性也較好。多個醫學指南認為：高標準的乳腺X線篩查和復查可檢出大多數臨床前期階段的乳腺癌，有效降低乳腺癌死亡率，并減少不必要的傷殘或者避免創傷性的治療。

但在中國，誰來閱片成為了頭號難題。乳腺X線鉬靶閱片難度高，培養周期漫長，導致專業從事乳腺X線鉬靶閱片的醫生極度稀缺，全國不過寥寥數百人；與此同時，由于不同級別醫生之間閱片水平差異巨大，閱片一致性也難以保證。

為解決這些難題，近期，國內一家AI企業依圖醫療提供了另一種解決思路——AI閱片。

據悉，乳腺X線智能診斷系統是依圖醫療耗時數年研發推出。該AI系統依托強大的算法創新，以及多家三甲醫院萬量級的真實乳腺影像數據，實現了乳腺X線鉬靶影像的秒級閱片，擁有腺體分型、病灶檢出、征象描述、智能BI－RADS分型等多項功能，并能自動生成結構化報告，供影像醫師使用。

在多家三甲醫院的臨床實踐中，該系統展現出了強大的病灶檢出及學習能力。它不僅能夠檢出乳腺腫塊、鈣化、結構扭曲和不對稱，同時還能在全病灶類型檢出的基礎上，實現病灶的癌變風險分級，輔助醫生識別高危病變。

乳腺很美，但想清晰看到內部的病灶，并不容易。

不同于可以逐層掃描生成數百張影像圖片，還原出肺部三維結構的肺部CT，乳房組織渾圓天成的生理構造以及X線垂直照射的原理，使得雙側乳腺鉬靶常規的檢查體位僅有MLO位及CC位2個體位4張單片。因此只能利用壓迫板將女性的乳房盡可能壓薄，讓乳腺內部組織充分析離，才能拍出盡可能清晰的鉬靶影像，進而找出病灶位置。

然而，這種影像學方法必須要克服腺體遮蔽和結構噪聲。就好比獵人穿梭在光斑點點的森林地面，僅僅通過地上的光斑及陰影變化就要判斷出樹頂上的獵物所在位置。因此，2D影像結果到3D乳腺組織的還原，對閱片醫師的專業能力提出了極高的要求。

相較于影像表現更為明顯的鈣化與腫塊，占病灶總數30％左右的結構扭曲和不對稱很難被查出，尤其是當醫生經驗不足或者疲勞時，很容易出現漏診。

中華醫學會放射學分會乳腺影像學組組長、復旦大學附屬腫瘤醫院放射診斷科主任彭衛軍教授有著30余年乳腺X線鉬靶閱片經驗，他表示，想要達到“資深”水準，閱片醫生必須同時具備扎實的解剖學功底與影像診斷學功底，豐富的空間想象能力、足夠的臨床經驗、數位優秀的導師，以及5－10年的成長周期。

對人才的高要求，讓資深乳腺X線鉬靶閱片專家極度稀缺。縱覽中國醫師協會影像學組乳腺學組，堪稱資深的專業乳腺X線鉬靶閱片醫生也僅有100余人，而其中的“專家級”人士，僅有50余位。稀缺性，讓這些專家不得不滿足中國數億名乳腺X線鉬靶拍攝潛在需求女性的閱片工作。

“乳腺病灶征象不如肺結節那樣典型，在很多病灶的診斷上有較大的人為差別。比如結構扭曲，有的專家認為是結構扭曲，而有些醫生則認為不是。加上亞洲女性多是致密性乳腺，更增加了閱片不一致的概率。”彭衛軍教授透露，“同樣一份乳腺X線鉬靶影像結果，一位有經驗的資深醫生和低年資醫生對于其標注結果差異可達30％，甚至更高。因此，該領域人工智能應用的潛力巨大。”

研發鉬靶AI的難度，絕非普通公司所能承受。

“從研發一開始，我們所遵循的就是ACR的最新指南，同時參考了NCCN指南、ACS指南及最新的中國乳腺癌診治專家共識。無論研發還是工程技術人員，都得從頭開始學習乳腺影像及乳腺癌相關知識，并與臨床醫生長期共事，深入理解工作流程及AI的應用場景，理解醫生的痛點。”依圖醫療醫學產品總監林強表示。

經過專業標注的臨床數據，不僅是搭建AI模型的關鍵，還是這款乳腺AI的基石。

“這款AI匯聚了全國多家頂級三甲醫院的萬量級乳腺癌影像檢查數據，體位齊全、設備先進、拍攝專業、影像清晰，堪稱國內目前頂級的乳腺腫瘤數據庫。”林強頗為自信的表示，“在標注中，從硬件到軟件都經過了精心的設計。”

為了讓病灶征象描述更加全面，研發團隊“住”在臨床一線，請教專家、翻閱指南，為每一個征象描述撰寫詳細的標注規則。

為了讓醫生們看得更清楚，研發團隊準備了專業的5M專業閱片屏，讓看片更清晰，視覺壓力更小。

為了減輕標注醫師壓力，不單純追求標注進度，研發團隊招募了幾十名經過嚴格考核的專業醫師組成標注團隊，分散標注壓力，避免搶進度現象的出現。

為了確保標注質量，每一張鉬靶影像都經過至少5位醫生的標注。只有結果高度一致的標注結果才被認可，存在爭議的標注，會由更高年資的醫生進行判斷，并提交團隊審核表決，最終由權威專家坐鎮給出標注結果。

為了更加高效的監管標注流程，研發團隊甚至在搭建AI模型之前，專門研發出了一套專門的標注管理系統。

高昂的數據整理、關聯成本，繁瑣的標注流程，眾多的爭議標注點，一度令研發團隊崩潰，而最終的模型結果也并未辜負這份付出與期待，在落地醫院的過程中，這套系統不斷受到專家的高度評價。

“歐美的醫生一天看10個患者的鉬靶片子就很了不起了，但在中國，這一數字至少是50個，需要審片簽字的副教授，一天看上100人，甚至150人的鉬靶片都是家常便飯。時間緊，任務重，還不能遺漏任何病灶，醫生的體力和精神長期處于高壓之下。”，彭衛軍教授透露，“人工智能系統能大大提升病灶檢出的速度與精度，減少誤檢漏檢現象，在提升閱片一致性的同時，將醫生從繁重的機械性勞動中解放出來，從事真正具備創新意義的工作。”

隨著國際學術交流的增加及越來越多頂級人工智能專家學者歸國，利用海外公開數據集進行醫療AI研發在業內并不鮮見。客觀而言，公開數據集及泛化AI模型的出現，極大推動了中國醫療人工智能的發展。但在乳腺X線鉬靶AI的研發中，基于海外公開數據集進行研發的AI模型卻遭遇了滑鐵盧。

林強透露，與歐美多為脂肪型的乳腺不同，中國女性的乳腺多為致密性，腺體遮蔽和結構噪聲更為明顯，正常的乳腺組織和病灶區分度更小，這對AI系統的性能提出了更高要求。

“以公開數據集為基礎研發的乳腺鉬靶AI，其敏感性在實驗室中雖然可以跑到95％甚至超過99％，但一旦落地臨床敏感性就會出現嚴重下滑，需要長時間的調教與數據喂養，這無形中增加了臨床醫師的負擔。”林強說，“此外，公開數據集也存在圖像質量低、標注質量差、標注標準不統一等問題。”

林強以乳腺鉬靶中單張MLO位圖片為例，正常情況下，一張鉬靶影像的分辨率高達4000x4000，總像素超過1600萬，體積較大。而公開數據集為了方便發表，多將其壓縮成普通的jpg格式，損失了大部分的像素，對于病灶的表現能力大大下降，微小病灶甚至有可能直接消失，訓練出的AI模型水平可想而知。

因此，基于中國女性真實乳腺影像數據研發的AI優勢顯露無疑。

“我們專門為這套AI系統優化了圖像讀取的算法，實現了1600萬像素影像的直接讀取和秒級處理，不會出現任何的卡頓或崩潰，確保無論多么微小的病灶都能夠明察秋毫，不損失任何細節，將病灶的形態精準還原，從這一點上來說，AI遠超人類。”林強說。

目前，中國的絕大部分乳腺X線鉬靶檢查都集中在大中城市，而在廣大基層醫療機構，近8億城鄉居民獲得的醫療服務遠遜城市，乳腺X線檢查也不例外。

“未來，當乳腺AI更加成熟，乳腺癌的普適性早篩成本將會大大降低。乳腺癌的早期篩查方式也會發生改變，從高危人群逐步擴展到所有適齡女性，從而極大提高早期發現乳腺癌的可能，降低社會總體醫療開支。”，林強表示，“同時，通過將專家級的診療能力工具化，通過AI賦能基層醫療，有助于緩解當前基層醫療機構閱片醫生短缺的困境，提升基層醫療機構乳腺疾病早篩水平。