人工智能可让乳腺癌筛查更易获得且更经济实惠

• 乳腺癌患者的高死亡率往往是由于发现过晚所致，在农村地区尤为明显，那里获得可靠且经济实惠的筛查服务颇具挑战。

• 在资源有限的环境中，用于癌症检测的创新技术辅助解决方案或许是未来的发展方向。

• 例如，利用基于人工智能的算法分析热成像图像，可以在此类地区以无接触、无辐射、低成本的方式准确筛查乳腺癌。

乳腺癌是全球第二常见的癌症，也是印度女性中最常被诊断出的癌症。其中685,000名女性 每年因乳腺癌在全球死亡的90,000 人位于印度，乳腺癌是印度癌症相关死亡的最主要原因。印度死亡率居高不下的主要原因之一是，大多数印度患者就诊时往往已处于疾病晚期。

以早期检测方法开展人群规模的筛查，并努力提高乳腺癌防治意识，有助于应对这一疾病、提高生存率并降低治疗成本。乳腺X线摄影筛查是一种广泛使用的方法，但在低收入和中等收入国家（LMIC），由于设备成本高昂以及解读乳腺X线片需要专业技能，其应用受到限制。

此外，乳腺X线摄影的敏感性约为62%至68%，适用于致密型乳腺组织女性。 乳腺超声检查（USG）已被证明在年轻且乳腺组织致密的女性中，其敏感性高于乳腺X线摄影。然而，超声检查在很大程度上依赖于临床医生的技能和经验。此外，由于印度的《产前及孕前诊断技术法》旨在防止女性胎儿被选择性流产，超声设备因此无法被运送至社区，用作以社区为基础的乳腺癌筛查工具。

因此，相对更经济实惠的临床乳腺检查（CBE）是印度女性最常用的筛查方法，因为它无需任何设备。不过，其结果更依赖于执行检查的医护人员。医护人员短缺超过25,000人，意味着工作人员已经承担着孕产妇和儿童保健、计划生育及免疫接种相关工作的超负荷任务。在缺乏专职、训练有素的医护人员和质量控制的情况下，临床乳腺检查可能产生不一致的结果。

在印度这样资源有限的环境中，基层医护人员人手不足且负担过重，放射科医生与人口的比例低至1:100,000，创新的技术辅助解决方案或许是未来的发展方向。

寻找经济实惠、可靠的乳腺癌检测方案

将医学成像等技术与人工智能（AI）相结合，已在包括肿瘤学在内的多个医疗领域显示出良好成效。从提高癌症诊断的准确性和速度，到优化癌症治疗，人工智能在肿瘤学中的临床应用十分广泛。

目前阻碍乳腺癌早期检测的主要问题。 Image: Niramai Health Analytix

多种基于人工智能的计算机辅助检测（CAD）算法应用于乳腺X线筛查，减少了放射科医生之间的差异，并提高了乳腺癌检出率。谷歌的AI系统可解读计算机断层扫描（CT）图像，以预测患肺癌的可能性。

然而，在资源有限的环境中，乳腺X线摄影、CT扫描或磁共振成像（MRI）等需要昂贵设备的解决方案并不容易获得。例如，在印度，政府地区医院仅有55台乳腺X线摄影机，需服务763个地区。因此，亟需不依赖大规模昂贵基础设施的便携式人工智能筛查技术。这不仅能让预防性筛查变得可及、可行，也更加经济实惠。

利用基于人工智能的技术检测乳腺癌

面向低收入和中等收入国家的基于人工智能的低成本肿瘤学技术创新已经存在。MobileODT公司的Eva系统采用获得专利的人工智能算法评估图像中是否存在宫颈癌。该图像由配备光源的智能手机制成的移动数字阴道镜拍摄。

Niramai的Thermalytix解决方案基于以下原理：高度活跃的癌细胞会因原有血管扩张和新血管病变形成而产生较高温度区域。借助当今便携式红外相机（采购成本仅为二维乳腺X线摄影设备成本的十分之一），可以高精度地测量这些温度变化，并识别和描述因乳腺异常而产生的热模式。

该非辐射检测会生成热图图像，Thermalytix人工智能算法随后分析其中的温度变化。这种自动化定量检测可提供一致的解读和实时报告。检测可由具备笔记本电脑和智能手机基本操作知识的非临床专业技术人员执行。这减轻了放射科医生的负担，使其只需专注于需要进一步检查的患者。

此外，Thermalytix检测需要技术人员与患者保持一定距离，使检查过程更具私密性。在当前COVID-19疫情期间，或今后任何涉及传染病的情况下，这种固有的距离都是额外的优势。

重新探索热成像技术

尽管热成像作为筛查工具早在1956年就已推出，但至今仍未被广泛接受。这主要是由于过往研究显示其敏感性和特异性较低。然而，随着红外相机的最新进展，过去50年间热图像质量已有所提高。现在值得重新探索热成像技术，并结合人工智能，提供一种无接触、无痛、非侵入性的检测，带来高效、快捷、舒适的筛查体验。

这类便携且经济实惠的人工智能检测，可能是解决农村地区获得可靠乳腺癌筛查难题的方案。这些地区通常设有医疗中心，但缺乏成像设备和/或放射科医生。此类基于人工智能的筛查检测可能对低收入和中等收入国家筛查项目的可扩展性产生积极影响，并有助于减少现有的健康不平等。