一般使用乳腺X光机来诊断乳腺癌，但对乳腺组织致密的女性来说精度不够高，此时会利用乳腺超声检查诊断。但超声检查也存在问题，比如读解超声图像时往往依赖技师和医生的主观判断及经验；而且由于假阳性率（将良性肿瘤诊断为恶性的比例）较高，很多时候需要再进行乳房穿刺来采集组织和细胞进行活检，增加了患者的精神和肉体负担。
此次，东北大学研究生院医学系研究科医学统计学领域的山口拓洋教授等人组成的研究团队，利用SAS Institute Japan公司的“SAS® Viya®”，开发了通过人工智能深度学习来识别乳房超声图像内肿瘤的辅助诊断系统。
可高精度识别图像的深度学习方法CNN（Convolutional Neural Network）能通过学习自动获取图像的特征，并可以发现人类难以注意到的肿瘤。本次研究开发了通过结合2种CNN模型的结果实现高精度识别的“集成学习”。另外，并不是通过单张图像识别肿瘤，而是采用每位患者拍摄的多张图像进行综合分析识别。验证结果显示达到了高精度识别，敏感性（准确识别恶性肿瘤的比例）达90.9％，特异性（准确识别良性肿瘤的比例）为87.0％，机器学习的评价指标AUC达0.951。此外还对CNN模型重点关注各图像中的哪部分来输出识别结果做了分析，发现肿瘤区域以外的部分也可能隐藏着用于识别的线索，说明有必要从新的角度进行图像诊断（图1）。
图1：乳房超声图像和基于深度学习的患处检测
（a）乳房超声图像。（b）利用方法1、（c）利用方法2检测患处
此次研究团队在SAS的支持下，将深度学习应用到了超声图像诊断中，并开发出了高精度辅助诊断系统。虽然此次报告的系统还存在无法明确其深度学习过程（黑盒子）等的挑战，但如果今后能应用于实际医疗中，不仅可以减轻医生和患者的负担，还将有助于削减医疗费用。
论文信息
题目：Computer-aided diagnosis system for breast ultrasound images using deep learning
期刊：《Physics in Medicine & Biology》
DOI：10.1088/1361-6560/ab5093
文：JST客观日本编辑部翻译整理
