AI 辅助乳腺癌病理诊断：精准医疗的新突破

一、AI 辅助乳腺癌病理诊断的背景与意义

乳腺癌是女性健康的重大威胁，在全球范围内，其发病率高居女性恶性肿瘤之首，严重影响患者的生命健康和生活质量。传统的乳腺癌病理诊断主要依赖医生的经验和专业知识，通过对组织样本的观察和分析来判断病情。然而，这种方法存在一定的局限性。例如，传统针吸活检组织取样范围有限，且受肿瘤异质性影响，往往导致评估结果不准确。而且，人工诊断过程耗时较长，容易受到医生主观因素的影响，诊断效率和准确性难以保证。

AI 技术的出现为乳腺癌病理诊断带来了新的希望。AI 具有强大的数据处理和分析能力，能够快速、准确地对大量的病理图像和临床数据进行分析，辅助医生做出更精准的诊断。它可以从多维度、多角度对肿瘤特征进行分析，弥补传统诊断方法的不足，提高诊断的准确性和效率，为患者提供更及时、有效的治疗方案，从而改善患者的预后。

二、AI 在乳腺癌 HER2 状态评估中的应用

人表皮生长因子受体 2（HER2）是乳腺癌重要的预后和预测标志物，其表达状态直接影响治疗决策和患者能否从高效特异性的靶向药物治疗中获益。传统的评估方法在判断 HER2 表达状态时存在一定的局限性，而 AI 技术为精准评估 HER2 表达提供了新的途径。

上海科技大学沈定刚教授、昆明医科大学李振辉教授等合作构建了一种基于深度学习的 HER2 表达状态多模态对齐与预测（MAP）模型。该模型融合了乳腺钼靶、超声、磁共振等多种影像信息，同时结合患者年龄、绝经状态等基础数据，运用图像处理和人工智能算法，更全面地反映肿瘤特征，实现对 HER2 状态更精准的预测。

为验证模型的 HER2 预测性能，研究团队采用了来自 4 个中心的包含 6991 个病例的 14472 张图像的大规模多模态乳腺癌数据集，并将其与接受新辅助治疗患者的针吸活检结果进行对比。结果表明，该模型与术后病理结果的一致性达到 78.86%，优于传统针吸活检方法。更重要的是，MAP 模型还能预测患者接受新辅助治疗后的疗效，评估其实现“病理完全缓解”（即肿瘤细胞完全消失）的可能性。这一研究建立了以治疗效果为核心的无创 HER2 精准预测体系，不仅有助于验证 HER2 判断的准确性，更构建了“诊断 - 治疗 - 验证”的完整诊疗闭环，有望减少创伤性检查次数，提升诊疗安全性与舒适度，为实现乳腺癌的精准治疗提供了新路径。

三、AI 提升乳腺癌早期诊断率

早期诊断对于乳腺癌的治疗和预后至关重要。传统的诊断方法在早期病变的检测方面存在一定的局限性，而 AI 技术的应用显著提高了乳腺癌的早期诊断率。

天肿路红团队研发了乳腺超声实时动态 AI 诊断系统，该系统对病变的检出率近 100%。使用 AI 辅助诊断系统后，科室的乳腺癌早期诊断率提高了约 20%。这不仅帮助患者赢得了更多的治疗机会，还显著提高了诊断效率，降低了整体医疗成本。

AI 技术通过挖掘多模态乳腺影像大数据，能够更敏锐地捕捉到早期病变的特征。它可以对乳腺 X 线、超声、MRI 等多种影像进行综合分析，发现一些肉眼难以察觉的微小病变，从而实现乳腺癌的早期发现。同时，AI 系统可以快速处理大量的影像数据，减少了医生的诊断时间，提高了诊断效率。

四、AI 在乳腺癌疗效评估与预后预测中的作用

在乳腺癌治疗的疗效评估及预测中，影像学检查发挥着重要作用。传统影像技术相对成熟，覆盖范围较广，但检测敏感性不足，分辨率和准确性受限，难以早期发现转移复发。AI 技术的引入显著提高了评估的精确度和效率。

路红教授团队建立了涵盖乳腺 X 线、超声、MRI 和锥光束 CT 多种影像的数据库，开发了新辅助治疗疗效评估模型。通过深度挖掘综合影像学图像代表性特征参数，如肿瘤体积、雄激素受体表达、达峰时间等，预测患者获得病理完全缓解的可能性，以及对新辅助化疗的反应，从而优化个体化治疗方案和随访管理模式，帮助患者改善预后。

此外，通过提取乳腺 X 线图像和 MRI 图像的影像组学特征，路红教授团队构建了乳腺癌分子分型和远处转移预测模型，开发了 ConvRNN 深度学习模型，用于量化术前 DCE - MRI 扫描的动态异质性，以评估乳腺癌患者的腋下淋巴结状态，为豁免腋窝淋巴结清扫手术提供依据。AI 技术使传统医学影像分析更加智能化、自动化，推动了医疗流程实现智能化变革。

五、AI 让保乳手术更加精准便捷

保乳手术是乳腺癌治疗的主要方式之一，它不仅是一种有效的局部治疗方法，也符合现代医学提倡的个性化、微创化和生活质量优先的理念，因此受到许多女性患者的青睐。然而，保乳手术的实施难度较大，医生需要精准评估肿瘤范围，保证“切缘”干净，既不能过多切除损害乳房形态，也不能切除不足导致复发转移，这对传统的保乳手术提出了极大挑战。

AI 技术的应用提高了保乳手术的精准性、便捷性。路红教授团队基于乳腺 MRI 组学特征及语义特征，建立了保乳手术最终切缘状态的预测模型，清晰显示肿瘤的具体位置和边界，为术前评估保乳手术的可行性及优化治疗方案提供依据。过去，患者可能需要多次保乳手术才能达到理想的效果，该模型提高了一次手术的成功率，帮助患者减轻身心创伤。未来，该团队希望将其扩展至化疗药物选择、小病变早期筛查等更多的治疗领域。

六、AI 辅助乳腺癌病理诊断的其他应用案例及未来展望

除了上述应用，AI 在乳腺癌病理诊断中还有其他成功的案例。例如，德国海德堡大学医院 Cai 等报告的 INSPiRED 006 分析显示，人工智能辅助评分联合剪切波弹性成像（AI - SWE），在恶性肿瘤检测方面的准确率与人类专家相当，同时还能显著减少假阳性影像结果（如不必要的活检）。上海科技大学生物医学工程学院钱学骏等研发的多模态人工智能系统 BMU - Net 模型，实现了多层级乳腺癌风险预测，其预测能力超越了资深影像科医生，初步达到资深病理科医生的水准，为更广泛的乳腺癌筛查和诊断提供了可能的技术手段。

美国东北大学团队成功开发出一款基于网络的新型人工智能（AI）系统，在检测乳腺癌方面的准确率高达 99.72%。该系统创建了一个集成式深度学习模型，能够整合利用其他各种不同模型来提高诊断的准确性并减少误差。

未来，AI 辅助乳腺癌病理诊断有望在更多方面取得突破。一方面，随着技术的不断发展，AI 模型将更加精准和智能，能够处理更复杂的病理数据，为诊断和治疗提供更全面、准确的信息。另一方面，AI 技术将与其他技术如基因检测、大数据等深度融合，实现多学科的协同发展，为乳腺癌的个性化治疗提供更有力的支持。同时，AI 辅助诊断系统的普及和应用也将进一步提高，让更多的患者受益于这一先进技术。

总之，AI 辅助乳腺癌病理诊断已经取得了显著的成果，为乳腺癌的诊断和治疗带来了新的变革。在未来，我们有理由相信，AI 技术将在乳腺癌的防治中发挥更加重要的作用，为女性健康带来更多的保障。