利用人工智能在大型筛查人群中识别正常乳腺X线摄影
本回顾性研究分析9581例双读乳腺X线筛查检查,使用深度学习AI系统对每例检查赋予1–10的癌症风险评分;排除评分为1和2的检查可移除19.1%的正常检查及5.3%的假阳性而不遗漏癌症,若排除低风险(≤5)检查则53.0%的检查可移除但会遗漏10.3%的癌症。
要点
- AI风险评分1–2的检查占19.1%,排除这些检查不遗漏任何癌症,可减少5.3%的假阳性。
- 低风险评分(≤5)检查占53.0%,排除这些检查会遗漏7例(10.3%)癌症和避免52例(27.8%)假阳性。
- AI遗漏的7例癌症均为浸润性,其中3例为≤7 mm低级别管状癌,6例影像表现为毛刺状肿块。
关键影像表现/征象
- AI遗漏的7例低风险评分癌症均为浸润性,其中3例为≤7 mm低级别管状癌,3例为20 mm的大癌(2例导管型、1例小叶型,其中1例组织学分级3级)。
- 除1例20 mm乳腺X线隐匿性浸润性导管癌因淋巴结增大被召回外,其余6例低风险评分癌症被共识小组判定为清晰可见,6例影像表现为毛刺状肿块。
- 绝大多数(10/11)浸润性小叶癌被赋予高风险评分,所有以钙化为主导影像特征的癌症均被赋予高风险评分(其中10/14为导管原位癌)。
- 7例高级别癌症中除1例外风险评分均为10。
诊断标准与关键数值
- AI系统将筛查检查分类为1–10的癌症风险评分,10表示恶性概率最高,风险评分校准为每个类别约占筛查乳腺X线的十分之一。
- 本研究定义低风险评分为1–5,高风险评分为6–10。
- 排除风险评分1和2的检查:可移除1829例(19.1%;95% CI 18.3–19.9)正常检查,包括10例(5.3%;95% CI 2.1–8.6)假阳性,不遗漏任何癌症。
- 排除低风险评分(≤5)检查:可移除5082例(53.0%;95% CI 52.0–54.0)检查,包括7例(10.3%;95% CI 3.1–17.5)癌症和52例(27.8%;95% CI 21.4–34.2)假阳性。
- 低风险评分与高风险评分乳腺X线的癌症发生率分别为1.4/1000和13.6/1000。
临床应用与阅片要点
- AI风险评分可用于分诊筛查检查,可能通过将检查分配至单读或双读来应对阅片工作量。
- AI系统对微钙化检测似乎特别敏感,导管原位癌均获得高风险评分(55%评分为10)。
- 作者认为AI作为筛查独立阅读者时遗漏癌症的医疗法律和伦理挑战预计相当大,因此自动丢弃低风险检查可能不可行。
- 低风险评分检查中AI遗漏的癌症多数为清晰可见的毛刺状肿块,提示AI系统似乎有改进空间。
- 作者建议结果需在其他筛查数据集上回顾性验证,并随后在前瞻性试验中验证。
局限性
- 研究数据来自单一筛查中心,具有特定条件,如城市瑞典人群、经验丰富的乳腺放射科医生、使用双读程序以及仅使用一种乳腺X线和AI供应商组合。
- 癌症样本量小,除描述性统计外无法进行亚组分析。
- 研究结果为点估计且置信区间大多较宽,遗漏癌症的百分比可能低至3%、高至18%。
- 研究人群基于比较断层合成与乳腺X线的前瞻性筛查试验,但本研究范围仅限于评估乳腺X线结果。
- 当前研究未纳入对间期癌(即假阴性)的影响,因数量少,目前正在更大队列中研究。
全文中译9 节 · 点击展开
引言
乳腺X线摄影筛查是医学领域规模最大的二级预防项目之一,在高收入国家广泛实施[1, 2]。欧洲筛查指南推荐双阅片以提高筛查灵敏度[3]。然而,由于许多国家缺乏专门从事乳腺影像学的放射科医师,双阅片流程可能难以实现[4]。每日阅读大量正常乳腺X线图像是一项枯燥的任务,降低了该领域的吸引力。双阅片还可能增加假阳性风险[5]。经历一次假阳性筛查可导致乳腺癌特异性焦虑,持续时间可长达3年[6]。此外,假阳性筛查的女性后续返回参加筛查轮次的意愿较低[6]。
然而,人工智能(AI)在医学影像领域的出现可能为提高乳腺X线筛查效率提供手段,通过减少对人工阅片者的需求并避免假阳性[7]。近期研究表明,AI在阅读乳腺X线图像方面可达到与人类阅片者相似甚至更高的准确率[8–11],并且在作为决策支持使用时能提高阅片者表现[10, 12]。这些研究中许多是在富集数据集上进行的,而关于AI在纯筛查数据上表现的研究仍然匮乏。
本研究旨在评估一种市售AI系统在乳腺癌筛查人群中识别正常乳腺X线图像的潜力,从而减少与放射科医师阅片相关的工作量和假阳性。此外,还对AI系统漏诊的筛查检出癌症的特征进行了评估。
材料与方法
本研究经区域伦理审查委员会(2009/770)和瑞典伦理审查局(2018/322)批准。已获得知情同意。
研究人群
纳入来自前瞻性人群为基础的马尔默乳腺断层合成筛查试验[13]的连续亚队列,共9581名年龄40–74岁(平均年龄57.6 ± 9.5)且接受双阅片筛查乳腺X线摄影的女性。筛查间隔为55岁之前每1.5年一次,此后每两年一次。该亚队列由连续纳入的试验参与者组成,均具有双体位数字乳腺X线图像(Mammomat Inspiration,Siemens Healthcare GmbH),且原始和处理后影像数据均可获取(2012年2月至2015年5月)。在9581名女性中,255人被召回(召回率2.7%), resulting in 68例筛查检出癌症(癌症检出率7.1/1000)和187例假阳性。金标准基于手术标本或空芯针活检的组织学,并与区域癌症登记处交叉参照。正常乳腺X线图像定义为无筛查检出癌症。马尔默乳腺断层合成筛查试验的参与者也接受了断层合成检查,但为本研究目的,仅考虑独立的乳腺X线摄影阅片结果。
AI衍生风险评分
所有乳腺X线摄影均使用基于深度卷积神经网络的市售自动乳腺癌检测人工智能系统(Transpara v.1.4.0,ScreenPoint Medical)进行分析。该人工智能系统为筛查检查赋予1–10的风险评分,10表示恶性概率最高[14–19]。癌症风险评分通过两步过程得出:首先使用一组传统图像分类器和深度卷积神经网络识别可疑病变,即钙化和软组织肿块,随后使用另一组深度卷积神经网络组合对其进行进一步分类。然后将局部检测结果合并为整个检查的风险评分。风险评分经过校准,使每个类别约占筛查乳腺X线摄影的十分之一。在本研究中,我们将低风险评分定义为1–5,高风险评分定义为6–10。
该版本的人工智能系统使用来自四个不同厂商的约180,000例正常和9000例异常乳腺X线摄影数据库进行了训练和验证[11]。本研究中使用的乳腺X线摄影未曾用于该人工智能系统此前的训练或验证。
人工智能漏诊癌症的复核
由三名乳腺放射科医师(每人均有> 7年经验)组成的共识专家组评估了被赋予低风险评分的筛查检出癌症的影像学表现、大小和可见性,以及乳腺X线摄影的乳腺密度。这些癌症可被视为被人工智能系统漏诊。共识专家组可获取包括病理报告在内的所有临床信息。整个研究人群的影像学肿瘤表现和乳腺密度此前已进行评估,如先前发表文献所述[13]。
统计分析
通过量化不同风险评分的筛查检查、筛查检出癌症和假阳性的数量和频率,分析人工智能在筛查中的效果。针对低风险评分下筛查检查、筛查检出癌症和假阳性的减少,定义Wald置信区间(CI),并按95%置信水平计算。计算在R中进行(版本3.5.1,www.r-project.org)。此外,评估了风险评分与肿瘤生物学相关的分布。使用数量和频率呈现人群特征、肿瘤生物学和影像学表现。
结果
所有乳腺X线摄影、筛查发现的癌症和假阳性的风险评分分布如图1所示。低风险评分和高风险评分的乳腺X线摄影中癌症发病率分别为1.4/1000和13.6/1000。如果排除风险评分为1和2的乳腺X线摄影,则可移除1829次(19.1%;95% CI 18.3–19.9)正常检查,包括10次(5.3%;95% CI 2.1–8.6)假阳性,而不遗漏任何一例癌症(表1)。半数(53.0%,95% CI 52.0–54.0)筛查检查具有低风险评分(≤ 5)。如果将这些从放射科医师进行的筛查阅片中排除,则会遗漏7例(10.3%;95% CI 3.1–17.5)癌症,并避免52例(27.8%;95% CI 21.4–34.2)假阳性。所有7例低风险评分癌症均为浸润性(表2),其中3例为小型(≤ 7 mm)低级别浸润性管状癌,即预后极佳的肿瘤[19]。另一方面,3例癌症(2例导管型和1例小叶型)为大型(20 mm),其中1例为组织学3级,即预后较差。放射科医师共识小组判定除1例外所有癌症均清晰可见(图2)。后者为一例20 mm大型乳腺X线摄影隐匿性浸润性导管癌,因影像学发现病理性增大淋巴结而被召回。6例癌症具有毛刺状肿块的影像学表现。除1例外,所有AI遗漏癌症的女性均具有致密乳腺(乳腺影像报告和数据系统C类和D类[21])。
AI性能与肿瘤生物学的关系
如表2所示,筛查发现癌症中最常见的类型为浸润性导管癌。大多数浸润性导管癌的乳腺X线摄影被归类为高风险评分。值得注意的是,11例浸润性小叶癌(一种已知有时具有细微影像学表现的癌症类型)中有10例乳腺X线摄影也被归类为高风险评分。此外,所有以钙化为主要影像学特征的癌症均被赋予高风险评分(图3)。其中大多数(10/14)为导管原位癌。最后,7例高级别癌症中除1例外所有风险评分均为10。
讨论
本研究旨在评估人工智能是否能够在乳腺X线摄影筛查中识别正常检查。我们发现,借助人工智能,每五份乳腺X线摄影图像中就有一份可以从放射科医生的筛查阅片中排除而不遗漏癌症,同时还能避免若干假阳性。因此,放射科医生的工作量以及与筛查阅片和假阳性相关的成本有可能降低。考虑到许多筛查项目尤其是欧洲采用双阅片程序[22],节省的幅度可能相当可观。在这一召回率较低(2.6%)的瑞典特定筛查环境中,假阳性的减少幅度较小。可以合理推测,在召回率较高的环境中,如美国[23, 24],假阳性的减少幅度可能更大。大多数假阳性乳腺X线摄影图像具有高风险评分,这反映了人类阅片者和人工智能在同一图像中均发现了可疑特征。
放射科医生阅片量减少的幅度还取决于以灵敏度轻微降低为代价的权衡是否可被接受。如果我们排除低风险评分的乳腺X线摄影图像(占所有筛查检查的一半),则可避免28%的假阳性。这似乎不可接受,因为将有10%的癌症被遗漏。由于人工智能遗漏的癌症中有一半为惰性癌症,即低级别浸润性管状癌,这一权衡仍可考虑。我们必须牢记,这些结果是点估计值,置信区间大多较宽;遗漏癌症的百分比可能低至3%,高至18%。本研究中识别出的正常检查比例与Rodriguez-Ruiz等使用相同人工智能系统但研究人群同时包含临床和筛查乳腺X线摄影检查所呈现的结果相似[25],也与Yala等使用不同于本研究所用人工智能系统在大型筛查数据集上的结果相似[26]。
我们无法阐明人工智能系统为何遗漏癌症,因为除一例外所有癌症在乳腺中均有清晰可见的病灶。然而,由于癌症是可见的,人工智能系统似乎仍有改进空间。我们可以预期人工智能算法会随着进一步训练而随时间改进;事实上,本研究所用的人工智能系统已从版本1.4.0升级至1.6.0。借助这一改进,我们有可能通过排除低风险评分的乳腺X线摄影图像,安全地自动化相当一部分筛查阅片工作。对间期癌症(即假阴性)的影响因数量较少未纳入本研究,但目前正在一个更大的队列中进行研究。然而,在本研究所用的队列中,人工智能风险组1或2的女性后来均未诊断出间期癌症。尽管如此,当遗漏癌症时,将人工智能作为筛查中独立阅片者所面临的医疗法律和伦理挑战预计相当大[7]。因此,将低风险检查自动从人工阅片中剔除可能并不可行。然而,风险评分有可能通过将检查分诊为单阅片或双阅片来应对筛查阅片工作量。
在本研究中,该人工智能系统在检测微钙化方面表现出特别高的敏感性,而微钙化是导管原位癌常见且往往是唯一的影像学特征。所有导管原位癌病变均获得了高人工智能风险评分(即6–10分,其中55%获得10分)。这意味着在筛查中使用该人工智能系统可能维持或提高原位癌的检出率,从而可能增加过度诊断[27]。另一方面,在人工智能漏诊的癌症中,七例中有三例为小型、低级别浸润性管状癌,鉴于过度诊断的问题,这未必是缺点[28]。使用其他人工智能厂商的研究显示了不同的结果;在人工智能辅助下,钙化的敏感性可以提高[10],或者人工智能似乎对浸润性癌比原位癌更敏感[8]。
这些结果的普适性受到某些局限性的影响。研究数据来自单一筛查中心,具有特定条件,例如瑞典城市人群、经验丰富的乳腺放射科医师、采用双读程序,并且仅使用一种乳腺X线摄影和人工智能厂商组合。因此,结果需要在其他筛查数据集上进行回顾性验证,随后在前瞻性试验中验证。另一个方面是放射科医师在使用人工智能系统作为决策支持而非本研究所提出的独立预分拣方法时的表现如何。可以合理假设,在前瞻性环境中,放射科医师会受到风险评分知识的影响,从而影响敏感性和特异性[29]。本研究的另一个局限性是癌症样本量小,除了描述性统计外,无法进行任何亚组分析。此外,研究人群基于一项比较断层合成与乳腺X线摄影的前瞻性筛查试验[13],但本研究的范围仅限于评估乳腺X线摄影结果。在该试验中,乳腺断层合成检出了额外的癌症,目前正在研究人工智能系统在相应乳腺X线摄影上的表现,以及乳腺X线摄影表现与乳腺密度的关系。
总之,本研究表明,人工智能可以正确地将筛查人群中的一部分识别为无癌症,并减少假阳性。因此,人工智能有潜力通过减少放射科医师的工作量和假阳性的负面影响来提高乳腺X线摄影筛查效率。
引用
- Lång K, Dustler M, Dahlblom V, et al. Identifying normal mammograms in a large screening population using artificial intelligence. Eur Radiol. 2020. PMID: 32876835. doi:10.1007/s00330-020-07165-1
- 全文:PMC7880910(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7880910/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。