更清晰的影像
接受乳癌篩檢或乳房攝影可能會讓患者感到不適、不安且脆弱。篩檢後，女性可能在等待結果時出現壓力，且報告中充滿無意間令人難以理解的醫學術語，甚至可能因乳房組織緻密或掃描時姿勢不正確而須再次進行乳房攝影。
現實情況是，在美國每 8 名女性中就有 1 人一生中會被診斷出罹患乳癌。至於另外 7 人中，一部分也會因癌症恐慌而經歷冷休克。及早發現可大幅降低死於乳癌的機率。但遺憾的是，根據美國癌症協會的資料，在美國每年執行的 4,000 萬次乳房攝影篩檢中，傳統以年齡為基準的篩檢仍會漏掉 20% 的乳癌病例。整個過程中，即使最終是健康無虞的結果，也可能讓患者感到茫然與困惑。
不要害怕—知識就是力量，而且我們很幸運能夠活在一個可為自身健康採取預防行動的時代。
醫療保健取得優勢
為改善患者的整體體驗，其中一部分在於為醫療保健提供者和放射科醫師配備工具，使其更能準確地識別罹癌風險較高的患者，並提供個人化護理建議以提升患者的應變能力。Volpara Health 等醫療保健軟體公司正透過 AI 推動下一層級的支援創新。
Volpara 起源於紐西蘭，目前為全球超過 2,000 家醫療機構提供服務，且十五年來一直是醫療保健軟體產業的領導者，並在過去七年內加入 Microsoft Cloud Partner 計劃。該公司於 2023 年獲選為 Microsoft 年度醫療保健與生命科學合作夥伴。
Volpara 的乳房密度 AI 已評估來自 41 個國家/地區、超過 1,730 萬名患者的乳房組成。
緻密型乳房組織中較多的纖維或腺體組織會導致難以判讀可能的癌性腫瘤，讓醫療保健提供者很難用肉眼辨識異常狀況。研究顯示，以目視方式評估乳房密度的放射科醫師在密度類別上的判定並不一致，這會影響患者是否能夠接受超音波或 MRI 以提高檢出機率。廠商的影像處理演算法也會影響對乳房密度的視覺判讀。AI 可在連續尺度上以定量與體積方式完成大量基礎分析工作，以帶來更高的準確度。大型 DENSE 試驗顯示，利用 Volpara 的 AI 篩選乳房密度極高的女性，在乳房攝影之外再接受 MRI，可大幅降低正常乳房攝影後發現的間隔癌數量，同時減少偽陽性結果。
「我們具備深厚的物理基礎專業知識，有利於分析未經處理的影像，且能夠建立非常準確的乳房密度體積分析，」Volpara 執行長 Teri Thomas 表示。「只要能運用科技在整個預防與檢測生態系統中調整任何一個環節，都會對患者及其家庭產生真正的影響。」
Volpara 將主觀決策轉為客觀數據的乳房影像 AI 方法，已從乳房密度擴展到更多領域。Volpara Analytics 軟體使用演算法評估乳房影像中心所拍攝的每一張乳房攝影影像品質，並向技術人員提供意見回饋，以協助改善擺位與壓迫方式，進而提高放射科醫師的檢出率。
在影像擺位品質未達標準時，乳房攝影的敏感度會從 84% 降至 66.3%。例如，未將整個乳房完整納入乳房攝影影像等問題，可能導致高達 80.6% 原本可避免的技術性重拍作業。
Volpara Risk Pathways 軟體將癌症風險評估計算與實證護理指引結合，以協助高風險患者在適當時間接受正確檢查，甚至採取預防性措施。近期，Volpara 與全球 AI 癌症診斷與治療解決方案領導者 Lunit Inc. 攜手合作。用於乳房影像的 Lunit INSIGHT 透過 AI 解決方案協助放射科醫師找出異常狀況，以強化 Volpara 的生態系統，進而提升癌症檢出率並降低偽陽性結果。
如此龐大的影像資料在擷取、整理與儲存方面均仰賴 Microsoft Azure 的技術。乳房攝影影像會先進行匿名化，並從放射攝影設備的來源端傳送至 Microsoft Azure 雲端進行儲存與分析。Azure 負責儲存資料，並提供 Volpara AI 執行期間所需的運算能力與環境，讓醫生能夠在任何地點進行檢閱。
確保敏感資料安全
醫療保健產業面臨的複雜網路威脅日益增加，因此提升能力來區分正在發生的真實威脅與誤報相當重要。Volpara 完整的乳癌篩檢仰賴由影像設備與 IT 系統所構成、精細且不可出錯的網路，且必須隨時受到保護。同樣地，患者仰賴雲端安全性來保護其乳房攝影資料與影像。
Volpara 使用 Microsoft Defender for IoT 保護資料，並透過 Microsoft Sentinel 和適用於端點的 Microsoft Defender 識別與對抗威脅。這套全方位解決方案結合了 SIEM、XDR 與 IoT 保護，在符合適當法規的情況下保護資料與醫療記錄。患者與管理者都能安心，確信其敏感資料已獲得安全保護。
我希望自己的故事能夠讓所有女性保持警覺，也知道如果這件事會發生在我身上，就有可能發生在任何人身上。
提升患者能力
研究顯示，有越多患者在尋找並理解醫療機構提供的資訊遇到困難，使用初級與預防性護理的機率就越低。其中包括了建議進行的乳癌篩檢以及後續相關的護理路徑。
隨著年輕女性罹患乳癌的案例增加，且加上乳癌死亡率的現有差異狀況依然存在 (特別是黑人女性死於乳癌的機率比白人女性高出 40% 左右)，為患者提供切實可行的清晰資訊相當重要。Volpara 的影像強化版患者通知信 (稱為 Volpara Thumbnail™) 使用患者自身的影像，以協助縮小從接收檢查結果、理解結果到後續追蹤之間的落差。
Thumbnail 是附加在患者篩檢結果中的內容，包含兩張來自該次檢查、非診斷用途的乳房攝影影像 (左右乳房各一張)，這通常是患者第一次看到自己在乳房攝影中的影像。內容還包括緻密型乳房組織的百分比詳細分析、從低到高的乳房密度參考尺度，以及連結至教育資訊的 QR 碼。
在 Southtowns 放射與影像中心，將 Volpara Thumbnail 納入患者通知信的成效相當明顯。緻密型乳房患者完成補充篩檢建議的遵從率可高達 85%。
「我認為大多數人都是視覺型學習者，」Southtowns 放射與影像中心臨床護理與女性影像部主任 Diana Iglewski 表示。「患者希望能夠自行做出決定並取得充分的教育資訊，而 Thumbnail 通知信正好實現了這一點。同時，它也讓我們有機會教授知識，讓每位患者了解自己的狀況。除了患者教育之外，我認為這也有助於提升對補充篩檢建議的遵從率。」
以事實為依據
緻密型乳房的現實
根據 Mayo 診所及其他資料來源，約有 50% 的女性 (特別是身體質量指數較低者) 屬於緻密型乳房組織，甚至在年輕女性中更為常見。了解乳房密度對患者來說極具價值，因為這可讓她們主動採取行動並做好額外的預防措施。
何時進行篩檢
醫師建議最早從 40 歲開始接受乳癌篩檢，最晚則不應超過 50 歲。儘管如此，每年仍有超過 50,000 名女性被診斷出早發性乳癌。若已知帶有基因突變或有親屬在年輕時罹患乳癌，則年輕女性同樣屬於高風險族群，且應在 40 歲前主動要求進行風險評估。
視覺效果清晰度
納入 Volpara Thumbnail 的患者篩檢通知信，透過視覺效果標示其結果在乳房密度百分比範圍中的位置，為患者帶來更高層次的清晰度。取得這類視覺化資訊有助於提升對建議事項的遵從率，以及完成後續預防性措施的比例。
精簡結果
乳房攝影後的一大壓力來源可能是，因偽陽性診斷而必須再次接受後續篩檢。透過運用 AI 的精準型技能集來進一步辨識異常狀況，醫療保健提供者就如同多了一雙協助判讀的眼睛，有助於避免不必要的追加檢查，讓患者獲得所需的安心感。
擴展能力
這套在乳癌篩檢中充當第二雙眼睛的 AI 軟體，如今也可應用於乳房動脈鈣化 (BAC) 篩檢，而這項指標可能代表心血管疾病風險升高，其造成的女性死亡人數是乳癌的 10 倍。
Thomas 補充道：「在接受乳房攝影時，乳房動脈中的鈣化堆積是女性高心臟病風險的明確指標。心臟病被稱為女性的『沉默殺手』，這是因為心臟病發作時可能不會出現典型的劇烈胸痛、麻木或沿著左臂放射的刺痛感，女性可能只會出現噁心或疲倦等症狀。」
Microsoft Azure 的機器學習與 AI 專家已強化 Volpara 的 BAC 模型與資料處理能力。此外，Microsoft 工程師正與 Volpara 團隊合作推動產品的技術開發與操作化，使得單次掃描即有機會同時檢測癌症與心臟病。
我相信放射科醫師未來的角色一樣非常重要，但 AI 這類新奇事物還是會成為不可或缺的工具。
AI 在健康領域的未來
對於需要處理大量資料的 Microsoft 醫療保健產業客戶而言，Azure 平台與雲端系統正協助轉變其工作方式。Microsoft AI for Health 計劃也已經與超過 200 個受資助單位合作，以推動旨在加速醫學研究、建立研究能力、提升全球健康深入分析，並解決健康不平等問題的專案。
從公共衛生研究、影像分析到雲端基礎設施，AI 的能力已準備好在未來為改善許多人的醫療保健成果扮演關鍵角色。在導入 AI 時，重要的是持續且明確地考量合乎道德的做法並成功整合。
AI 具備成為醫療保健提供者所需工具的一切條件，可全面重塑並改善患者的醫療成果與整體就醫體驗。
尋找更多關於乳癌的答案
Trevor Noah 與華盛頓大學及 Fred Hutchinson 癌症中心放射學教授 Savannah Partridge 醫生，討論 MRI 與 AI 如何協助放射科醫師更早期地在女性身上檢測出乳癌。
