隨著近年來(lái)乳腺癌的發(fā)病率逐漸上升，在現(xiàn)代醫(yī)學(xué)的眾多研究領(lǐng)域中，如何盡早發(fā)現(xiàn)和治療乳腺癌，早已成為了一個(gè)十分重要的核心課題。

近日，麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）和馬薩諸塞州綜合醫(yī)院（MGH）合作，共同打造了一個(gè)新的深度學(xué)習(xí)模型，可以通過(guò)分析乳房 X 光圖像，找出人眼不易察覺的特征和規(guī)律，從而預(yù)測(cè)女性是否可能在未來(lái)五年內(nèi)罹患乳腺癌（注意：是預(yù)測(cè)而非診斷）。

訓(xùn)練結(jié)果顯示，該模型的預(yù)測(cè)準(zhǔn)確率約為31%，遠(yuǎn)超傳統(tǒng)預(yù)測(cè)方法的18%。研究團(tuán)隊(duì)認(rèn)為，以深度學(xué)習(xí)驅(qū)動(dòng)的預(yù)測(cè)系統(tǒng)有望推動(dòng)新的乳腺癌篩查計(jì)劃，可以將基于年齡的傳統(tǒng)篩查建議，變成基于風(fēng)險(xiǎn)因素的更加科學(xué)的個(gè)性化篩查建議。

該研究成果以論文的形式發(fā)表于期刊Radiology上。

不完善的傳統(tǒng)篩查建議

乳腺 X 線攝影技術(shù)，是目前醫(yī)療領(lǐng)域最常用的乳腺癌臨床檢查方法，經(jīng)過(guò)一個(gè)世紀(jì)的發(fā)展，已被證明可以降低乳腺癌的死亡率。但由于 X 光的強(qiáng)輻射性和乳腺本身的敏感性，業(yè)內(nèi)對(duì)篩查頻率和何時(shí)開始仍有爭(zhēng)議。

美國(guó)癌癥協(xié)會(huì)建議，所有女性都應(yīng)該從 45 歲開始進(jìn)行年度篩查。不過(guò)因?yàn)槊總€(gè)人的體質(zhì)和生長(zhǎng)環(huán)境不同，罹患乳腺癌的風(fēng)險(xiǎn)也不一樣，以年齡劃分篩查頻率過(guò)于泛化，很容易錯(cuò)過(guò)乳腺癌的早期狀態(tài)，錯(cuò)失最佳的治療時(shí)機(jī)（早期乳腺癌的5年生存率高達(dá) 98-100%）。

圖 | 乳腺X線攝影技術(shù)

在麻省理工學(xué)院的研究人員看來(lái)，相比采用一刀切的方式，如果能夠預(yù)測(cè)出女性罹患乳腺癌的風(fēng)險(xiǎn)系數(shù)，就可以制定更完善的個(gè)性化篩查方案，比如讓高危人群在 30 多歲時(shí)就每年檢查一次，低危人群則每三年檢查一次，那么或許可以將更多的乳腺癌扼殺在搖籃中，抑制它的發(fā)病率增長(zhǎng)趨勢(shì)。

這種預(yù)測(cè)類型的任務(wù)，非常適合使用深度學(xué)習(xí)技術(shù)。實(shí)際上，已經(jīng)有很多關(guān)于乳腺癌的研究團(tuán)隊(duì)，正在嘗試使用人工智能和深度學(xué)習(xí)，幫助他們?cè)\斷乳腺癌（詳情請(qǐng)見：神經(jīng)網(wǎng)絡(luò)的巧妙組合，乳腺癌診斷準(zhǔn)確率竟媲美專業(yè)醫(yī)生）。

與眾不同的是，MIT團(tuán)隊(duì)想要打造的是預(yù)測(cè)模型，并非診斷模型。換句話說(shuō)，當(dāng) X 光照片還沒有出現(xiàn)乳腺癌的癥狀時(shí)，診斷模型只能給出沒有患病的結(jié)論，但預(yù)測(cè)模型應(yīng)該給出未來(lái)一段時(shí)間內(nèi)的患病概率，其難度可想而知。

設(shè)計(jì)預(yù)測(cè)模型

研究人員首先聯(lián)合了美國(guó)馬薩諸塞州綜合醫(yī)院，獲得了超過(guò) 6 萬(wàn)名患者的 9 萬(wàn)余張乳房 X 光圖像，以及她們是否在 5 年內(nèi)被診斷出乳腺癌的信息，其中有 2.1 萬(wàn)人沒有跟蹤檢查信息或者出現(xiàn)了其它癌癥，因此被排除在外。由于很多女性進(jìn)行了多次 X 光掃描和跟蹤篩查，所以每一次掃描的圖像都會(huì)被分離出來(lái)，成為一個(gè)獨(dú)立的掃描案例。

之后，他們總結(jié)出了一系列與乳腺癌和個(gè)體有關(guān)的風(fēng)險(xiǎn)因素，包括族裔、年齡、體重和身高等基本信息，還有初次月經(jīng)年齡、乳房密度、是否生產(chǎn)、初次懷孕年齡、是否患有卵巢癌、家族乳腺癌史等高度差異化的信息，甚至精確到家族中患有乳腺癌的是父母，姐妹，還是兄弟。

圖 | 神經(jīng)網(wǎng)絡(luò)通過(guò)細(xì)微特征預(yù)測(cè)是否會(huì)出現(xiàn)乳腺癌（來(lái)源：MIT）

獲得這些精準(zhǔn)信息，可以讓預(yù)測(cè)模型考慮的因素更加全面。每一個(gè)風(fēng)險(xiǎn)因素都會(huì)經(jīng)過(guò)獨(dú)熱編碼（one-hot encoding）——一種在機(jī)器學(xué)習(xí)中常見的變量轉(zhuǎn)換機(jī)制，可以將某一變量的狀態(tài)用 0 和 1 組成的二進(jìn)制向量表示出來(lái)——將所有編碼整合起來(lái)，就組成了一個(gè)大的風(fēng)險(xiǎn)因素向量，作為邏輯回歸模型（Logistic Regression，預(yù)測(cè)模型的一部分）的輸入值。

在此基礎(chǔ)上，研究人員又開發(fā)了一套以卷積神經(jīng)網(wǎng)絡(luò)（CNN）為核心的圖片識(shí)別模型，使用的是開源的預(yù)訓(xùn)練模型 ResNet-18。他們并沒有根據(jù)圖片分辨率變化調(diào)整模型，而是直接以1664 x 2048 像素的乳房 X 光圖片作為輸入值。

最后，他們整合了邏輯回歸和圖像識(shí)別兩個(gè)模型，制作了一個(gè)混合模型（Hybrid Model）。結(jié)合風(fēng)險(xiǎn)因素和圖像信息，該模型開始學(xué)習(xí)預(yù)測(cè)五年內(nèi)是否會(huì)出現(xiàn)乳腺癌。

訓(xùn)練和測(cè)試結(jié)果顯示，混合模型的 3-5 年患癌預(yù)測(cè)準(zhǔn)確率約為 31.2%。乍看之下這一數(shù)字似乎不夠亮眼，但要知道，目前業(yè)界主流的Tyrer-Cuzick（TC）乳腺癌風(fēng)險(xiǎn)預(yù)測(cè)模型，在相同測(cè)試中的準(zhǔn)確率只有 18.2%，不及麻省理工學(xué)院深度學(xué)習(xí)模型的六成。

圖 | 四套模型的準(zhǔn)確率（AUC）對(duì)比：TC傳統(tǒng)模型，邏輯回歸模型，圖像識(shí)別模型和混合模型（來(lái)源：MIT/Radiology）

更重要的是，深度學(xué)習(xí)模型對(duì)不同族裔女性的預(yù)測(cè)準(zhǔn)確率相同，而包括Tyrer-Cuzick 模型在內(nèi)的很多現(xiàn)有模型大多依照白人女性數(shù)據(jù)建立，對(duì)非白人族裔的預(yù)測(cè)效果較差，可能有超過(guò)10%的差距。在深度學(xué)習(xí)的幫助下，這一誤差或?qū)⒉粡?fù)存在。

混合模型還發(fā)現(xiàn)了一些與現(xiàn)有認(rèn)知矛盾的現(xiàn)象，比如業(yè)界主流聲音認(rèn)為，乳房密度與乳腺癌風(fēng)險(xiǎn)相關(guān)，致密型乳房患癌風(fēng)險(xiǎn)較高（原因未知）。

但該模型預(yù)測(cè)結(jié)果顯示，存在有致密型乳房的低風(fēng)險(xiǎn)人群，也有低密度乳房的高風(fēng)險(xiǎn)人群，兩者患病率相差較大，因此僅憑乳房密度判斷患癌風(fēng)險(xiǎn)有失偏頗，可能會(huì)影響醫(yī)療決策。

圖 | 致密型乳房 + 低風(fēng)險(xiǎn)人群患癌率1.4%（左下）VS 低密度乳房 + 高風(fēng)險(xiǎn)人群發(fā)病率4.0%（右上）（來(lái)源：論文）

仔細(xì)分析和比對(duì)結(jié)果后，研究人員認(rèn)為這一模型擁有巨大潛力。經(jīng)過(guò)改進(jìn)的版本有望替代現(xiàn)有的傳統(tǒng)乳腺癌風(fēng)險(xiǎn)預(yù)測(cè)模型，甚至是推動(dòng)乳腺癌篩查策略的進(jìn)步，制定更科學(xué)的醫(yī)療建議。

下一步，他們將著重突破現(xiàn)有研究的局限性，比如收集更全面的患者信息，并且與更多醫(yī)療機(jī)構(gòu)合作，拓展 X 光圖像的來(lái)源，獲得不同設(shè)備拍攝的 X 光圖像，從而更好地改進(jìn)預(yù)測(cè)模型的準(zhǔn)確率。他們希望有朝一日，可以將其大規(guī)模拓展，用來(lái)預(yù)測(cè)心腦血管或胰腺癌等其它疑難疾病。