ISEF2025获奖项目：AI光声成像革命乳腺癌早期检测

乳腺癌是全球女性最常见的癌症，但由于早期检测技术的进步，其死亡率正在下降。尽管目前的成像系统，如乳房X光检查、超声波和磁共振成像 (MRI) 等，已经提高了生存率，但它们仍然存在较高的假阳性率和阴性率，对致密型乳腺的有效性有限，以及筛查疼痛等问题。光声 (PA) 成像技术能够可视化血管而非形态特征，有望克服这些局限性；然而，其图像仍然过于复杂，肉眼难以解读，限制了其临床应用。因此，本研究开发了一种基于人工智能的新型 PA 系统，该系统使用机器学习模型 (MLM) 来检测乳腺癌。为了确保舒适度，患者将乳房轻轻地压在塑料膜上，同时系统将近红外 (NIR) 激光照射到乳房上。血红蛋白独特的 NIR 吸收能力会产生超声波信号，从而可视化血管并生成 PA 图像。然后，MLM 被训练以根据血管模式诊断乳腺癌。为了解决 PA 数据集有限的问题，研究人员采用了迁移学习，即先使用 MRI 图像进行训练，然后再使用 PA 和 MRI 图像进行再训练。共计36例经活检确诊的乳腺癌患者接受了影像学检查，以迁移学习和评估该系统的开发效果。最终，该系统的诊断准确率达到76.83%，且在不同乳腺密度的患者中诊断准确率一致。这些结果凸显了基于AI的PA成像在临床整合方面的潜力，解决了先前研究中在提高筛查准确性和舒适度方面面临的关键障碍。