乳房引发了无数的战争与赞美，但也最易招来肿瘤的青睐，比如乳腺癌。

中国国家癌症中心的统计数据显示，在所有女性可能罹患的恶性肿瘤中，乳腺癌高居榜首，占比达到16．51％。全球范围内，乳腺癌在发达国家和发展中国家女性的恶性肿瘤发病率均排名第1。

为了早期发现乳腺癌，临床多采取乳腺X线钼靶检查的方式。这一方式成熟、简便、廉价，可靠性也较好。多个医学指南认为：高标准的乳腺X线筛查和复查可检出大多数临床前期阶段的乳腺癌，有效降低乳腺癌死亡率，并减少不必要的伤残或者避免创伤性的治疗。

但在中国，谁来阅片成为了头号难题。乳腺X线钼靶阅片难度高，培养周期漫长，导致专业从事乳腺X线钼靶阅片的医生极度稀缺，全国不过寥寥数百人；与此同时，由于不同级别医生之间阅片水平差异巨大，阅片一致性也难以保证。

为解决这些难题，近期，国内一家AI企业依图医疗提供了另一种解决思路——AI阅片。

据悉，乳腺X线智能诊断系统是依图医疗耗时数年研发推出。该AI系统依托强大的算法创新，以及多家三甲医院万量级的真实乳腺影像数据，实现了乳腺X线钼靶影像的秒级阅片，拥有腺体分型、病灶检出、征象描述、智能BI－RADS分型等多项功能，并能自动生成结构化报告，供影像医师使用。

在多家三甲医院的临床实践中，该系统展现出了强大的病灶检出及学习能力。它不仅能够检出乳腺肿块、钙化、结构扭曲和不对称，同时还能在全病灶类型检出的基础上，实现病灶的癌变风险分级，辅助医生识别高危病变。

乳腺很美，但想清晰看到内部的病灶，并不容易。

不同于可以逐层扫描生成数百张影像图片，还原出肺部三维结构的肺部CT，乳房组织浑圆天成的生理构造以及X线垂直照射的原理，使得双侧乳腺钼靶常规的检查体位仅有MLO位及CC位2个体位4张单片。因此只能利用压迫板将女性的乳房尽可能压薄，让乳腺内部组织充分析离，才能拍出尽可能清晰的钼靶影像，进而找出病灶位置。

然而，这种影像学方法必须要克服腺体遮蔽和结构噪声。就好比猎人穿梭在光斑点点的森林地面，仅仅通过地上的光斑及阴影变化就要判断出树顶上的猎物所在位置。因此，2D影像结果到3D乳腺组织的还原，对阅片医师的专业能力提出了极高的要求。

相较于影像表现更为明显的钙化与肿块，占病灶总数30％左右的结构扭曲和不对称很难被查出，尤其是当医生经验不足或者疲劳时，很容易出现漏诊。

中华医学会放射学分会乳腺影像学组组长、复旦大学附属肿瘤医院放射诊断科主任彭卫军教授有着30余年乳腺X线钼靶阅片经验，他表示，想要达到“资深”水准，阅片医生必须同时具备扎实的解剖学功底与影像诊断学功底，丰富的空间想象能力、足够的临床经验、数位优秀的导师，以及5－10年的成长周期。

对人才的高要求，让资深乳腺X线钼靶阅片专家极度稀缺。纵览中国医师协会影像学组乳腺学组，堪称资深的专业乳腺X线钼靶阅片医生也仅有100余人，而其中的“专家级”人士，仅有50余位。稀缺性，让这些专家不得不满足中国数亿名乳腺X线钼靶拍摄潜在需求女性的阅片工作。

“乳腺病灶征象不如肺结节那样典型，在很多病灶的诊断上有较大的人为差别。比如结构扭曲，有的专家认为是结构扭曲，而有些医生则认为不是。加上亚洲女性多是致密性乳腺，更增加了阅片不一致的概率。”彭卫军教授透露，“同样一份乳腺X线钼靶影像结果，一位有经验的资深医生和低年资医生对于其标注结果差异可达30％，甚至更高。因此，该领域人工智能应用的潜力巨大。”

研发钼靶AI的难度，绝非普通公司所能承受。

“从研发一开始，我们所遵循的就是ACR的最新指南，同时参考了NCCN指南、ACS指南及最新的中国乳腺癌诊治专家共识。无论研发还是工程技术人员，都得从头开始学习乳腺影像及乳腺癌相关知识，并与临床医生长期共事，深入理解工作流程及AI的应用场景，理解医生的痛点。”依图医疗医学产品总监林强表示。

经过专业标注的临床数据，不仅是搭建AI模型的关键，还是这款乳腺AI的基石。

“这款AI汇聚了全国多家顶级三甲医院的万量级乳腺癌影像检查数据，体位齐全、设备先进、拍摄专业、影像清晰，堪称国内目前顶级的乳腺肿瘤数据库。”林强颇为自信的表示，“在标注中，从硬件到软件都经过了精心的设计。”

为了让病灶征象描述更加全面，研发团队“住”在临床一线，请教专家、翻阅指南，为每一个征象描述撰写详细的标注规则。

为了让医生们看得更清楚，研发团队准备了专业的5M专业阅片屏，让看片更清晰，视觉压力更小。

为了减轻标注医师压力，不单纯追求标注进度，研发团队招募了几十名经过严格考核的专业医师组成标注团队，分散标注压力，避免抢进度现象的出现。

为了确保标注质量，每一张钼靶影像都经过至少5位医生的标注。只有结果高度一致的标注结果才被认可，存在争议的标注，会由更高年资的医生进行判断，并提交团队审核表决，最终由权威专家坐镇给出标注结果。

为了更加高效的监管标注流程，研发团队甚至在搭建AI模型之前，专门研发出了一套专门的标注管理系统。

高昂的数据整理、关联成本，繁琐的标注流程，众多的争议标注点，一度令研发团队崩溃，而最终的模型结果也并未辜负这份付出与期待，在落地医院的过程中，这套系统不断受到专家的高度评价。

“欧美的医生一天看10个患者的钼靶片子就很了不起了，但在中国，这一数字至少是50个，需要审片签字的副教授，一天看上100人，甚至150人的钼靶片都是家常便饭。时间紧，任务重，还不能遗漏任何病灶，医生的体力和精神长期处于高压之下。”，彭卫军教授透露，“人工智能系统能大大提升病灶检出的速度与精度，减少误检漏检现象，在提升阅片一致性的同时，将医生从繁重的机械性劳动中解放出来，从事真正具备创新意义的工作。”

随着国际学术交流的增加及越来越多顶级人工智能专家学者归国，利用海外公开数据集进行医疗AI研发在业内并不鲜见。客观而言，公开数据集及泛化AI模型的出现，极大推动了中国医疗人工智能的发展。但在乳腺X线钼靶AI的研发中，基于海外公开数据集进行研发的AI模型却遭遇了滑铁卢。

林强透露，与欧美多为脂肪型的乳腺不同，中国女性的乳腺多为致密性，腺体遮蔽和结构噪声更为明显，正常的乳腺组织和病灶区分度更小，这对AI系统的性能提出了更高要求。

“以公开数据集为基础研发的乳腺钼靶AI，其敏感性在实验室中虽然可以跑到95％甚至超过99％，但一旦落地临床敏感性就会出现严重下滑，需要长时间的调教与数据喂养，这无形中增加了临床医师的负担。”林强说，“此外，公开数据集也存在图像质量低、标注质量差、标注标准不统一等问题。”

林强以乳腺钼靶中单张MLO位图片为例，正常情况下，一张钼靶影像的分辨率高达4000x4000，总像素超过1600万，体积较大。而公开数据集为了方便发表，多将其压缩成普通的jpg格式，损失了大部分的像素，对于病灶的表现能力大大下降，微小病灶甚至有可能直接消失，训练出的AI模型水平可想而知。

因此，基于中国女性真实乳腺影像数据研发的AI优势显露无疑。

“我们专门为这套AI系统优化了图像读取的算法，实现了1600万像素影像的直接读取和秒级处理，不会出现任何的卡顿或崩溃，确保无论多么微小的病灶都能够明察秋毫，不损失任何细节，将病灶的形态精准还原，从这一点上来说，AI远超人类。”林强说。

目前，中国的绝大部分乳腺X线钼靶检查都集中在大中城市，而在广大基层医疗机构，近8亿城乡居民获得的医疗服务远逊城市，乳腺X线检查也不例外。

“未来，当乳腺AI更加成熟，乳腺癌的普适性早筛成本将会大大降低。乳腺癌的早期筛查方式也会发生改变，从高危人群逐步扩展到所有适龄女性，从而极大提高早期发现乳腺癌的可能，降低社会总体医疗开支。”，林强表示，“同时，通过将专家级的诊疗能力工具化，通过AI赋能基层医疗，有助于缓解当前基层医疗机构阅片医生短缺的困境，提升基层医疗机构乳腺疾病早筛水平。