提供支持现阶段，居民对于乳腺癌的预防与筛查大多处于一种模糊的认知状态。
2021年初，一家面向女性的医美机构向其会员发放了一个特别的“福利”：机构的牵头下，特定会员可在指定时间内前往合作医院进行免费乳腺癌筛查。最终，约有200名女性参与了此次活动，近20名检查结果显示存在罹患乳腺癌的风险，被通知进行进一步检查。医美机构无心促成的乳腺癌筛查里，仍旧发现了多名存在罹患乳腺癌可能的女性，这无疑体现出乳腺癌筛查普及性较差的现实问题。放眼整个社会面，乳腺癌早筛早诊的实施与开展也将面临着更棘手的问题。
事实上，国家早在2009年便已启动了全国农村妇女免费“两癌”筛查项目，随后为促进疾病早诊早治，2022年两癌筛查对象由农村适龄妇女逐渐扩大为城乡适龄妇女，逐步提高妇女健康水平。
据最新癌症数据显示，乳腺癌新增人数达 226 万，乳腺癌正式取代肺癌，成为全球第一大癌症。作为统计数据的一部分，我国2020年约有42万乳腺癌确诊患者，且这一数字正随年份的推进而持续上升。
而在确诊患者数量逐年上升的另一面，医学界对于筛、诊、治环节从未停滞的研究进程。现有体制下，医生对于乳腺癌的诊疗已达成高度共识，只要能够及早发现，整个治疗费用花费不过数千，但关键在于，我们无法精确筛查出每一个早期乳腺癌患者。
当前机制下的全民乳腺癌筛查主要通过初筛机构与接诊机构两大机构配合执行。
初筛机构通常由基层医疗机构组成，采用超声检查，为患者进行乳腺癌筛查，并得出BI-RADS分类，1-2类需进行定期复查，0类和3类则需要进行乳腺X线的进一步检查，4-5类则建议进行活检及组织病理学进一步检查。
尽管BI-RADS分类足够客观，但医生的评价却无法时时准确。在超声实际临床诊断中，由于基层医疗机构的超声医生缺口较大，并且医生工作强度高、易疲劳，医生较难始终保持高度集中，进而容易造成漏诊误诊；其次对于超声诊断与分级，不同医生给出的BI-RADS分类存在一定差异，如果分类、诊断不准确，极易延误患者治疗，这将对医疗资源的利用程度及基层医疗机构的公信力存在极大伤害。
再谈接诊机构。BI-RADS分类达到0类或者3类的患者则需要前往接诊机构进行复诊，再度接受乳腺X线的检查。欧美国家通常会使用乳腺X线进行乳腺癌初筛，这将更有效的发现早期病灶以及微小的钙化，但由于亚洲女性乳腺具有致密性的特点，乳腺X线产生的叠影较多，需要拥有丰富经验的技师及医生进行影像采集与影像诊断。但现阶段，我国乳腺X线的普及度不及超声，原因在于两个方面：首先影像的拍摄与判读由技师与医生分别在不同环节进行，当阅片医生发现拍摄无法满足诊断要求时，患者基本已经离院，因此乳腺X线影像质控是制约乳腺X线发展的一个原因；其次，当前我国专业从事乳腺X线影像诊断的医生仅千余人，并且不同年资医生阅片结果差异可达30%，基层医院阅片人才更是短缺。
使用匮乏的医疗资源满足海量的诊断需求常常会产生一些问题。一家从事乳腺医学影像人工智能辅助诊断技术研发的公司告诉动脉网：“我们开发算法时曾希望从医院四百多个病例中找到一些典型病例，但在浏览后发现，能够达到质量规范的乳腺X线影像，仅有10%-20%”。
尽管乳腺癌的筛防过程存在诸多问题，但归纳起来，总离不开“医疗供给”与“医疗质量”两个要素。全国政协委员、江苏省人民医院副院长，乳腺疾病诊疗中心主任王水也在今年2月“规范肿瘤临床用药，保障医疗质量和安全”座谈会上也表示，目前我国女性的乳腺筛查需求正逐渐上涨，但总体来讲，筛查质量不够高。因此建议将AI等新技术加入肿瘤筛查，提高筛查质量。
当前主流人工智能企业在解决乳腺癌筛防问题时通常直指“供给”与“质量”，即借助AI完成辅助质控与辅助诊断。
辅助质控，是借助AI在医生进行乳腺X线影像采集时给予质控，优化诊断过程。在传统的路径中，技师利用拍完X线后无法实时判断拍摄的质量，只有当影片进入影像诊断环节，医生才会发现有的片子不能作为证据诊断。到了这个时候，再通知患者回来重新拍摄X线对于医患双方都是一种负担。在这种情况下，利用AI对乳腺X线的实时质控可以在降低无效的检查同时提升影像质量，与辅助诊断工具相结合，部分企业可以实现超过90%的检出率。
辅助诊断，在乳腺X线检查过程中的病灶检出、分析与BI-RADS分类是检查的重要工作。在病灶检出与分析方面，AI可在很短时间内，可精准给出病灶类型，信息分析，并框选出可疑病灶，辅助医生进行病灶识别与分析；在BI-RADS分类方面，相比于基层医生“凭感觉”给出的分类，基于乳腺癌判别规则，并结合高质量标注数据，运用人工智能、深度学习等技术，AI则能够给出更准确更标准化的分类结果。
综上所述，对于乳腺X线诊断而言，质量有保障的影像图像以及精准高效的检出分析至关重要，因此这也对AI能力提出更高的要求，如果再同时满足从影像拍摄到检出诊断再到临床治疗乃至科研培训的全方位需求几乎难上加难。在大部分AI医疗影像企业往“横向”发展、布局更多病种的背景下，医准智能集中科研力量，向“纵深”发展，聚焦乳腺影像，做到了从“筛、诊、疗、研、教”为一体的乳腺全栈式智能解决方案，并在全国多个省份开展“粉红关AI”系列活动，关爱女性乳腺健康。
再谈超声影像，目前从事AI超声研究的企业数量相比肺结节、眼底等常规AI场景而言较少，相关产品的普及速度也相对较慢，这主要源于超声人工智能天然的高技术门槛。超声检查所产生的数据比乳腺X线的二维数据多了一个时间维度。这意味着乳腺X线的影像采集与影像诊断在有充足时间完成，而这样的时间并不能存在于超声诊断中，超声检查要求图像采集与诊断两项操作需在同一时间内完成。
目前全球范围内具备超声实时动态算法开发能力的公司极少。而医准智能，突破静态二维图像的限制，开启动态实时病灶检出的先河，其针对超声设备独立研发的超声实时动态AI辅助诊断模型采用了神经网络架构搜索方法（NAS），可达每秒处理速度64帧，且检测结果延迟＜0.09秒，换言之，医生在进行超声扫查的同时，AI算法能够精准抓取仅“毫秒级”闪现的病灶，进行实时的病灶检出与分析，并给出BI-RADS分类建议，真正做到了“所见即诊断”。
与常规AI超声产品相比，医准智能的乳腺超声实时动态智能分析系统胜在“动态实时检测”。
据医准智能副总裁曹颖介绍：由于超声扫查是动态的、连续的，传统人工智能算法无法支撑检出需求。因此，超声AI需要配备动态且实时的检出技术与能力，才能具备临床价值。但从技术研发的角度，存在着缺少公开动态数据集及相关算法研究等问题。医准智能研发团队克服种种困难，从自主收集建立自有动态数据库，再到实现动态算法突破，真正做到了 “动态实时”病灶的检出与分析。这不仅是医准智能技术的突破，也是医学影像领域的技术创新，更是向“专精特新”迈出了扎实的一小步。
2021年5月，医准智能在国内顶级三甲医院完成了总计2000余例的临床验证，数据显示其AI在乳腺病灶上的检出率高达98%，肿瘤良恶性判断准确率高达90%，专家评价“这一数据已与顶级三甲医院高年资医生相当”。
2021年8月，国务院印发《中国妇女发展纲要 (2021—2030)》，要求在未来十年逐渐落实基本公共卫生服务中宫颈癌和乳腺癌综合防治体系和救助政策的建设，实现居民宫颈癌和乳腺癌防治知识知晓率达到90%以上；适龄妇女宫颈癌人群筛查率达到70%以上，乳腺癌人群筛查率逐步提高。
一位从事乳腺医学影像相关研究的人士告诉动脉网，现有的适龄妇女乳腺癌人群筛查率约为20%-30%，未来要达到与宫颈癌相同的筛查水平，很难绕开人工智能。
尽管超声与乳腺X线能够解决乳腺癌基本筛查的问题，但若想更精准的判定病灶良恶性，还是需要借助肿瘤活检做出最终诊断。
这里的问题在于学科的交叉上。乳腺外科手术中，超声的使用可提高手术疗效，显著降低肿瘤留存率及再次手术切除率和切除标本的体积，但对于外科医生而言，超声引导均存在门槛，需要找到超声医生配合完成。而实际情况下，超声医生本就是一个稀缺的存在，在上海、北京这样的超一线城市，预约一次超声引导的乳腺肿瘤活检，需要近一个月时间。
上文提到的“医准智能乳腺超声实时动态智能分析系统”同样可以解决这一问题。借助于人工智能技术，系统能够对病灶进行精准定位，进而智能生成手术路径，引导外科医生精准治疗，缩短手术时间，降低手术风险，提高手术治疗的成功率。
这套系统的另一个优势在于优化医生的效率。过去医生在进行超声操作时必须时不时停下来截屏记录，在操作完成后补全记录，人工智能支持下，这些手术过程中的额外行为将有人工智能代为执行，而医生则能将更多精力至于治疗诊断本身。
今年两会期间，全国人大代表、中国工程院院士、山东省肿瘤医院院长于金明及全国人大代表王玲均建议将宫颈癌、乳腺癌等妇科肿瘤筛查纳入医保。王玲代表还提出建议：“在乳腺癌筛查方面，目前需要靠人工B超和乳腺X线，对设备和人员技术要求高，在农村全部推广起来有困难。希望国家加强乳腺癌筛查人工智能方面的投入。”
纵观全行业，高质量的乳腺癌人工智能筛查技术已有多家企业成型，并走在前往三甲医院、基层医疗的路上，只是一项前沿技术由实验室走到医疗的每一个角落，总是需要一定的时间。
如今乳腺AI下沉的涟漪效应始现，智能化乳腺癌诊断的传导已有加快。我们能够看到越来越多的医疗机构用上了人工智能赋能的乳腺诊断工具，更多患者得以及早享受治疗，所承受的经济负担也得以大幅降低。
但需警惕的是，要使乳腺筛查成为一项全民筛查，其最终执行点还应落在基层医疗。但如今患者抵触基层就医的情绪依然存在，在缺乏支付保障、资源导流的形势下，乳腺AI遍布基层的情形还不会实现，还需要政策进行兜底，以及更多企业、医疗机构的力量参与进来，让乳腺AI跑快一点。
渝公网安备 50011202502165号
