乳腺癌是世界女性健康的第一殺手，而我國是乳腺癌發病率增長速度最快的國家之一，并且以每年2%的速度遞增。當人類持續多年鍥而不舍地嘗試開發和綜合利用各種最先進的技術手段以及藥物治療之后發現大部分晚期癌癥患者的預后仍然像一個謎時。人類終于不得不接受把癌癥的治療端口前移的選擇，集中在早診斷、早發現、早預防、早治療的維度上。因此，針對乳腺癌的威脅，國家自2009年起就發起了關于兩癌篩查的國家免費公共衛生項目。
01、生理差異 使我國不能“照抄”歐美
雖然國家發起了免費兩癌篩查的公益項目，但由于大眾的醫學健康意識尚未系統建立、技術尚不成熟、人力成本等因素，篩查進度不盡人意。目前對于乳腺癌的早期篩查，最可靠的方式是醫學影像，發達國家多采用鉬靶作為常規檢查方式，美國的家庭醫生會建議40~49歲的女性每2年鉬靶攝影篩查1次，大于50歲的女性建議根據個人情況進行鉬靶攝影篩查，而建議50-74歲女性每2年鉬靶攝影篩查1次。中國也在2018年發布的《中國乳腺癌篩查與早診早治指南》中，明確了在乳腺癌篩查時，采用鉬靶結合超聲的方式。
由于亞洲女性生理結構與歐美人種的差異，亞洲人鉬靶攝影的影像辨識早期乳腺癌的難度遠大于歐美，而超聲篩查乳腺癌敏感性低，特異性差，只作為鉬靶的輔助檢查手段，但在亞太地區，超聲作為主要篩查方式或許更加符合國情。但是，超聲屬于動態圖像檢查，對于檢查醫生的水平、集中度都有著較高的要求，因此以超聲作為主要的乳腺癌篩查手段同樣存在困難。
02、超聲破局?技術難度大
既然超聲篩查存在弊端，那么我們是否可以用一些方案來補充呢？顯然，AI系統能夠更好的解放醫生，降低醫生的工作強度，而依托于大數據，也能使檢查結果更加準確，但采用一直以來的截取圖像，再用AI分析的傳統AI分析方式，對于超聲檢查而言意義不大。
AI技術在醫學影像輔助診斷方向上的發展，隨著算法、數據成熟程度等因素的不斷進化。最初AI主要面向2D影像，因為算法和數據的公開程度分為兩個階段，第一階段多以肺結節/眼底等擁有公開數據集的產品，第二階段是以乳腺鉬靶等病種為代表的無公開數據集的病種。自此之后，面向3D影像的AI輔助診斷產品被開發出來，廣泛應用于CT/MR等需要進行三維重建的領域，盡管大大增加了AI分析的難度，但在目前的應用當中，效果卓絕。
然而AI識別仍然只停留在靜態圖像的解析上，面對超聲這種一系列連續的視頻信號，此前并沒有AI產品能夠做到，因為這一領域，既沒有公開的數據集，也沒有現成的算法模型，甚至連數據怎么采集、怎么標注都還未有公認的方法。因為二維圖像相對容易獲得且處理算法難度小，因此全國以及全球范圍內，對超聲問題的探索大多都還著眼于二維影像，但對于實際應用場景來講，二維圖病灶信息不夠充分，分析的準確性存在天然的瓶頸，距真正的臨床輔助診斷有很大差距。這就意味著，超聲AI輔助診斷產品不僅要對視頻數據的采集、存儲和識別設計新的方法，還需要設計一套專門的算法。
03、時效性與準確率矛盾
超聲研發目前面臨的最主要的技術難題就是對實時性以及準確率的雙高要求，也就是既要達到實時性，同時又要有極高的準確率。CT/MR的圖像采集和診斷是分開來進行，因此AI系統有充足的時間來對圖像進行處理，但由于超聲的診斷流程及特點，其要求超聲AI必須達到實時輔助診斷的效果。AI需在醫師操作超聲儀器時同時查看掃查的視頻影像進行實時診斷，并給出診斷結果，再將結果反饋給醫師，才能有效的輔助醫師進行診斷。
實時分析對AI的算法和算力提出了更高的要求，尤其是在醫療領域，對準確率異常高的要求，而這就意味著模型的復雜度將會大大增加，以便提取更加豐富的特征，而超聲AI又不能犧牲時間來換取準確率，因此算法方面面臨巨大挑戰。同時，由于視頻數據量巨大，所以日常超聲檢查并不會大量存儲視頻數據，通常是只留幾張具有代表性的圖片，給超聲數據的采集帶來極大挑戰。
另外，優秀的模型還需要依賴高質量的標注數據，而超聲視頻數據，每個病人通常十分鐘左右，以30幀/秒來算，那么一個病人的二維超聲影像就有10*60*30=18000張，這些都需要具有豐富超聲醫學知識的專家來標注。而我國目前的現狀是超聲醫師本身就存在近十萬的缺口，其日常工作就非常繁忙，要找到專業的人員完成如此艱巨的標注任務其挑戰難度可以想象。
04、創造新模型 醫準智能乳腺超聲智能檢測系統
作為超聲檢測的一個具體部位，乳腺自身的特點，也加劇了AI的技術研發難度。主要表現在兩個方面。一是乳腺病灶跟脂肪的區分困難；二是乳腺病灶良惡性判斷困難。
很多脂肪切面與病灶相似，因此超聲檢查時需對疑似病灶多角度掃查，降低假陽性診斷，而對于視頻檢測算法，由于實時性的需求，它更多的是關注當前接收到的影像，對當前接收的影像進行分析。而通常的算法只能識別并分析病灶部分，而無法識別周邊信息，無法像真正的醫生一樣多角度綜合判斷。所以，乳腺超聲視頻檢測和分類算法的研發之路頗為曲折。
醫準智能的研發團隊克服了以上的種種難題，發布了國內首個乳腺超聲智能檢測系統，醫準智能為這套系統建立了新的模型，針對乳腺超聲的兩個技術難點做出了針對性的調整。在《中國乳腺癌篩查與早診早治指南》發布后，醫準智能就著手研發乳腺癌篩查AI，2019年率先開發出醫準智能乳腺鉬靶智能檢測系統，2020年，醫準智能又完成了AI識別2D圖像到動態圖像的跨越，攻克了超聲AI的高地。
-
針對由于乳腺病灶跟脂肪的區分困難而帶來假陽性增加的問題：在FPN利用多尺度特征的基礎上，加入了時間維度信息，并采用3D CNN，同時提取病灶時間維度和空間維度的三維特征，綜合以上特征，有效的剔除了脂肪等假陽性。
-
針對病灶良惡性判斷困難問題：為了獲得更加準確的良惡性分類結果，首先，通過病灶各個截面的視頻還原出病灶的三維結構；其次，加入注意力機制，將周邊組織的特征以不同權重加入到病灶特征中，充分利用了病灶以及其周邊信息，獲得了更加準確的分類效果。
醫準智能乳腺超聲智能檢測系統不需要對設備改動，且不需要調整現有工作流程，在醫生掃查病人的同時，AI服務器進行實時分析，并在界面進行標記提示，對于僅毫秒級閃現的病灶也能精準抓取，能夠有效的避免醫生由于視覺疲勞以及視覺敏感度不夠而產生的漏診。
自動病灶BI-RADS分類
作為應用于臨床的系統，醫準智能乳腺超聲智能檢測系統還具有如下五大亮點：
??? 系統采用神經網絡架構搜索方法（NAS），使用RTX2080Ti。達到每秒處理速度＞? 50幀，且檢測結果延遲＜0.09 秒，對于僅毫秒級閃現的病灶也能精準抓取。
通過卷積神經網絡特征融合模擬恢復3D，從而得出病灶性質良惡性判斷。
系統通過在所有影像中篩選有意義幀進行判斷，從而有效降低假陽性率。
相對于僅僅利用病灶的某個截面特征進行屬性分析，該系統還可以對包含病灶所有信息的整段視頻進行分析，充分利用病灶的各個截面信息，對病灶整體進行更加充分的屬性分析，同時給出病灶最大截面以及長短徑、面積等定量信息。
一鍵獲取，加快影像報告診斷效率；智能化超聲所見及診斷，協助臨床獲取疾病詳細文本數。
結語：
醫準智能開發的乳腺超聲智能檢測系統，或許將徹底改變乳腺癌的篩查，甚至改變整個AI輔助診斷行業的格局。以往的AI產品多依托于影像科，使用DR、CT、MR等影像設備，可絕大多數影像科設備無法將檢查環境前移，而超聲設備在此方面有著得天獨厚的優勢，體型小巧無輻射的超聲可以脫離科室的束縛，將檢查環境前移，讓乳腺癌篩查更加便捷。
此外，過去的AI輔助診斷產品全部都是采用截取靜態圖像，AI進行分析的操作，而AI直接分析動態圖像的醫準智能乳腺超聲智能檢測系統完全顛覆了AI輔助診斷領域的固有模式，為醫療AI解鎖全新技能。
從該產品早期合作醫院的使用反饋來看，超聲醫師使用醫準智能乳腺超聲智能檢測系統時不必改變操作方式，AI系統即時可給出參考意見并自動標注，為超聲醫師的判斷提供強有力的支持，不僅縮短醫師判斷時間內，還能減少醫師的精力消耗，且不再需要再搭配專門的錄入人員。同時做到大幅度提升乳腺篩查的準確率、大幅降低超聲醫師的工作強度并為醫院節省人力成本，因此產品廣受超聲科醫生喜愛。
最后，據悉醫準智能正在探索AI系統+影像設備集成模塊化的可能，未來，顛覆式的AI系統加上模塊化的影像產品勢必將覆蓋更多病種的檢查。中國的兩癌篩查已經做了10年，但10年間乳腺癌的死亡人數仍然在不斷上升，很大一部分原因就是發現的太晚，乳腺超聲智能檢測系統能夠助力乳腺癌在篩查階段更早的發現病患，降低乳腺癌死亡率。
