一般使用乳腺X光機來診斷乳房癌，但對乳腺組織緻密的女性來說精度不夠高，此時會利用乳腺超音波檢查診斷。但超音波檢查也存在問題，比如讀解超音波影像時往往依賴技師和醫學家的主觀判斷及經驗；而且由於假陽性率（將良性腫瘤診斷爲惡性的比例）較高，很多時候需要再進行乳房穿刺來採集組織和細胞進行活檢，增加了患者的精神和肉體負擔。
此次，東北大學研究生院醫學系研究科醫學統計學領域的山口拓洋教授等人組成的研究團隊，利用SAS Institute Japan公司的「SAS® Viya®」，開發了透過人工智慧深度學習來識別乳房超音波影像内腫瘤的輔助診斷系統。
可高精度識別影像的深度學習方法CNN（Convolutional Neural Network）能透過學習自動獲取影像的特徵，並可以發現人類難以注意到的腫瘤。本次研究開發了透過結合2種CNN模式的結果實現高精度識別的「整合學習」。另外，並不是透過單張圖形識別腫瘤，而是採用每位患者拍攝的多張影像進行綜合分析識別。驗證結果顯示達到了高精度識別，敏感性（準確識別惡性腫瘤的比例）達90.9％，獨特性（準確識別良性腫瘤的比例）爲87.0％，機器學習的評價指標AUC達0.951。此外還對CNN模式重點關注各影像中的哪部分來輸出識別結果做了分析，發現腫瘤區域以外的部分也可能隱藏着用於識別的線索，說明有必要從新的角度進行影像診斷（圖1）。
圖1：乳房超音波影像和基於深度學習的患處檢測
（a）乳房超音波影像。（b）利用方法1、（c）利用方法2檢測患處
此次研究團隊在SAS的支援下，將深度學習應用到了超音波影像診斷中，並開發出了高精度輔助診斷系統。雖然此次報告的系統還存在無法明確其深度學習程序（黑盒子）等的挑戰，但如果今後能應用於實際醫療中，不僅可以減輕醫學家和患者的負擔，還將有助於削減醫療費用。
論文資訊
題目：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客觀日本編輯部翻譯整理
