基于生成式人工智能模型的乳腺癌诊断：一项系统性综述

《Diagnostics》：Generative Artificial Intelligence Models in Breast Cancer Diagnosis: A Systematic Review

　　

背景：本系统性综述旨在评估并综合当前关于生成式人工智能（AI）模型的研究，重点关注其在改善乳腺癌检测中的作用、性能、数据集及评价指标。方法：依据PRISMA指南进行系统性检索。研究人员在四个电子数据库（Science Direct、IEEE Explore、SpringerLink和Scopus）以及Google Scholar中，使用特定检索字符串查找2020年至2024年间发表的在线文章。在应用指定的纳入与排除标准后，研究人员筛选出91篇文章用于数据提取、综合及质量评估。结果：本研究表明，生成式AI模型在乳腺癌诊断中用于数据增强、分类和分割任务。在数据增强方面，生成对抗网络（GAN）被证明具有最高有效性；而在分类和分割方面，Transformer模型的有效性最高。本综述强调了各类公开及私有数据集的日益广泛采用，这些数据集在训练和验证上述模型中发挥了关键作用。研究结果表明，选择合适的数据集和评价指标对于提升生成式AI模型在乳腺癌诊断中的有效性至关重要。研究发现的一个显著不足是所用数据集中非洲人群的代表性不足。此外，这些模型在真实临床环境中的应用有限，归因于其缺乏可解释性。结论：本综述为当前实践提供了宝贵见解，识别了现有不足，并指出了未来研究的重点方向，旨在提高基于AI的诊断在临床环境中的可靠性和适用性。

论文主体内容总结

1. 引言

乳腺癌是一种普遍且致命的疾病，是全球女性死亡的主要原因之一。世界卫生组织指出，乳腺异常细胞会不受控制地增殖，导致肿瘤形成，若不治疗可能转移并致命。2022年全球有230万女性确诊乳腺癌，67万人死于该病。健康促进和准确的诊断方法是抗击此病的基础，因为早期检测对提高生存率至关重要。深度学习及其在乳腺癌诊断中的有效应用推动了旨在提高诊断精度的研究显著增加。开发有效且可靠的深度学习技术来预测癌细胞的产生和进展，对于降低全球乳腺癌死亡率至关重要。许多现有的系统性文献研究关注于基于深度学习的乳腺癌检测，但多数聚焦于图像模态如MRI、超声和钼靶摄影。近年，生成式AI模型因其能够生成与训练数据特征高度相似的新数据样本而受到极大关注，并被应用于医疗保健领域的诊断、药物发现和个性化治疗方案等。本系统性综述旨在专门针对乳腺癌诊断中应用的生成式AI模型进行全面审视，涵盖生成对抗网络（GAN）、变分自编码器（VAE）、Transformer和循环神经网络（RNN）五种诊断模态。

1.1. 研究问题

本研究回答以下问题：乳腺癌诊断中使用的主要生成式AI模型有哪些，它们在方法和架构上有何不同？哪些生成式AI模型在乳腺癌检测中表现出最高有效性，促成其性能的关键因素是什么？在使用生成式AI模型进行乳腺癌诊断的研究中，常用哪些数据集，这些数据集如何影响模型的训练和性能？通常使用哪些评价指标和方法来评估生成式AI模型在乳腺癌诊断中的性能，它们如何反映模型的有效性？利用生成式AI模型进行乳腺癌诊断时，最常见的诊断模态以及单模态和多模态方法的诊断准确性如何？当前将生成式AI模型应用于乳腺癌检测的研究存在哪些空白和挑战，现有文献提出了哪些未来方向来解决这些问题？

1.2. 癌症诊断

乳腺癌对全球女性的身心健康构成重大风险，发病率和死亡率均呈上升趋势。早期诊断的患者生存率远高于晚期患者。已建立多种诊断方法，主要基于影像学和分子生物技术，包括钼靶摄影、超声成像、磁共振成像（MRI）、组织病理学检查和基因检测。钼靶摄影使用低剂量X射线评估乳房，是主要的筛查技术。超声成像使用高频声波产生乳房组织图像，常用于辅助钼靶检查，尤其适用于致密型乳腺。MRI使用强磁场和无线电波产生精细图像，适用于高风险个体和确定恶性肿瘤程度。组织病理学涉及对活检获取的乳腺组织标本进行显微镜分析，以检测恶性细胞并提供肿瘤特征的详细信息。基因检测则检查癌细胞的遗传物质，以确定乳腺癌的具体类型和特征，从而影响治疗方案选择。

1.3. 生成式AI模型背景

生成式AI包含能够分析原始数据并根据提示生成统计上合理输出的深度学习模型。这些模型学习训练数据的简化表示，并用于生成与原始数据相似但不完全相同的新输出。随着时间的推移，生成式AI已成为定义我们与技术互动方式的关键。专家将生成式AI模型分为以下几类：

1.3.1. 生成对抗网络（GAN）

生成对抗网络（GAN）通过两个神经网络的竞争机制实现无需大量标注训练数据的深度表征学习。生成器产生新的数据样本，而判别器区分域内的真实数据和人工生成的内容。随着训练推进，两者功能持续优化，直至生成内容几乎与真实数据无法区分。GAN的应用包括图像合成、语义图像编辑、风格迁移、图像超分辨率和分类。

1.3.2. 变分自编码器（VAE）

变分自编码器（VAE）由编码器和解码器两个神经网络组成。编码器将输入数据转换为简洁密集的表征，解码器从压缩表征中重建原始数据，使模型能够学习有效的潜在空间。用户可以对新的潜在表征进行采样，解码器可利用其产生独特的数据。VAE已成为无监督学习复杂数据分布的流行方法。

1.3.3. 循环神经网络（RNN）

循环神经网络（RNN）是为处理序列输入而设计的特殊神经网络，包含反馈连接，使其能够记住先前的输入，在处理序列时非常有效。RNN在生成任务中很有优势，因为它们可以基于前面的项预测序列中的下一个元素。然而，由于梯度消失问题，它们在生成长序列时会遇到困难。为解决此问题，开发了长短期记忆网络（LSTM）和门控循环单元（GRU）等高级变体。

1.3.4. 基于Transformer的模型

Transformer模型已成为多个领域流行的深度学习架构。它最初作为机器翻译的序列到序列模型被提出，随后基于Transformer的预训练模型（PTM）在多项应用中展现出卓越性能。Transformer模型如GPT和BERT显著超越了以往的最优模型。自注意力机制和位置编码是使其在文本生成任务中极其有效的两个基本因素。Transformer由多个块或层组成，包含自注意力层、前馈层和归一化层，共同协作分析和预测序列数据。

2. 方法

本研究遵循PRISMA指南进行系统性综述，并在PROSPERO注册（编号CRD42024566030）。

2.1. 资格标准

考虑了2020年至2024年5月间发表的文章，以提供关于乳腺癌诊断的最新知识。纳入和排除标准在表1中说明。

2.2. 检索策略

系统性检索于2024年5月完成，集中于Science Direct、IEEE Xplore、SpringerLink、Scopus和Google Scholar五个科学数据库。检索词包括“generative AI”或“GAN”或“VAE”或“Transformer”或“RNN”与“Diagnos”或“Detect”或“predict*”以及“Breast Cancer”的组合，过滤器设置为2020至2024年。

2.3. 选择过程

研究人员制定了逐步方法以实现综述目标。首先定位并选择相关论文，然后剔除重复条目，剩余文章根据标题和摘要评估资格，使用Rayyan Ai平台进行管理。之后根据纳入和排除标准评估全文以确定资格。审阅者独立进行研究选择，以减少偏差并提高可靠性。

2.4. 数据提取

从所有纳入研究中提取的信息包括：参考文献和出版年份、采用的生成式AI模型、作者提出的具体生成式AI技术、模型在乳腺癌诊断过程中执行的任务、实现目标的方法论、用于训练和验证模型的数据集、用于评估模型性能的评价指标及其分数，以及用于确定癌症存在的诊断模态。

2.5. 数据综合

收集的数据被综合起来进行详细讨论，通过使用表格汇总主要发现、技术和性能指标来回答每个研究问题。分析了所使用的生成式AI模型、提出的专门模型以及这些模型在乳腺癌诊断中应用的任务。还分析了训练和验证数据集以及评估标准及其对应分数。

2.6. 质量评估

由于缺乏专门评估深度学习模型（尤其是生成模型）在乳腺癌诊断中的标准化工具，研究人员修改并整合了PROBAST和QUADAS-2等现有工具，开发了针对生成式AI研究特点的全面质量评估工具。共设立了12条标准，每条评分为“是”（2分）、“部分”（1分）或“否”（0分）。百分比得分按公式计算，并将质量分为高（80-100%）、中（60-79%）和低（低于60%）三个等级。

3. 结果

从选定数据库中识别出1700个项目，剔除重复后，1265篇出版物根据标题和摘要进行评估，最终91项研究被纳入综合。2023年收录的文章数量最多。文章来自Science Direct、Scopus、IEEE Explore、SpringerLink和Google Scholar等不同数据库。

3.1. 研究质量

12条质量控制标准涵盖了研究目标、设计、数据来源、预处理、模型架构描述、训练验证方法、性能指标报告、基线比较、偏差识别、方法可重复性、结果呈现和临床相关性。质量评估结果显示评分介于17至23之间，其中18项研究质量为中等，其余73项质量为高。

3.2. 讨论

选定研究的结果围绕每个研究问题进行综合。

3.2.1. RQ1：乳腺癌诊断中使用的主要生成式AI模型及其差异

乳腺癌诊断过程中使用的主要生成式AI模型包括GAN、VAE、RNN和Transformer。这些模型被应用于数据增强、分割和分类任务。在数据增强方面，GAN和VAE主要用于生成合成医学数据以解决数据稀缺和类别不平衡问题。在分类方面，Transformer（特别是视觉Transformer ViT）和RNN（包括LSTM和GRU）显示出显著潜力，前者擅长捕捉图像中的详细空间关系，后者擅长处理序列数据。在分割方面，GAN和Transformer均被用于提高分割精度，Transformer的自注意力机制有助于精确描绘肿瘤边界。

3.2.2. RQ2：最有效的生成式AI模型及其性能因素

在数据增强方面，GAN表现出优于其他模型的效能，多种GAN变体（如条件GAN CGAN、Wasserstein GAN WGAN、深度卷积GAN DCGAN）被用于提升图像质量和分类性能，带来了1%至12%不等的准确性提升。在分类方面，Transformer表现出最高有效性，其性能优于传统的CNN模型，并且混合CNN-Transformer方法进一步提升了性能。在分割方面，Transformer同样展现出显著效能，其分割精度优于基于CNN的模型，混合模型也取得了最佳结果。

3.2.3. RQ3：常用数据集及其影响

DDSM数据集使用频率最高（15项研究），其次是BUSI（12项）、BreakHis（11项）、MIAS（8项）和INbreast（7项）等。数据集的选取直接影响模型的训练效果和泛化能力。

3.2.4. RQ4：常用评价指标

准确率是最常用的指标（66项研究），其次是召回率/灵敏度（39项）、F1分数和精确率（各24项）、AUC-ROC（25项）、特异性（13项）。分割任务中使用了Dice相似系数（DSC）和交并比（IoU）等指标。图像质量指标如结构相似性指数（SSIM）也有使用。

3.2.5. RQ5：常见诊断模态及准确性

单模态研究中，钼靶摄影最常见（37项研究，准确率78%-100%），组织病理学次之（25项，90%-99%）。多模态方法（如影像结合基因组学）虽然研究较少，但通常表现出更高的诊断性能，准确率可达99%。

3.2.6. RQ6：研究空白与未来方向

当前空白包括：模型多单独应用，缺乏集成；缺乏广泛的临床验证；模型可解释性不足；多模态研究较少；数据集缺乏纵向数据；数据集缺乏人口多样性。未来方向建议：开发混合模型；开展临床试验；整合多模态和纵向数据；发展可解释AI；采用联邦学习和持续学习框架；鼓励国际合作收集多样化数据集；加强跨学科合作。