编辑推荐：
Saldanha， Zhu等人提出了一种集成管道，将弱监督学习与通过群学习（SL）进行的局部人工智能（AI）模型训练相结合，以避免对集中数据共享的需求。在国际上部署带有现场数据处理的SL解决了数据隐私和注释可变性等挑战，从而在保护数据隐私的同时实现了跨国际数据集的AI训练。
群体学习与弱监督学习结合：乳腺癌 MRI 检测的新突破
近年来，人工智能在医疗领域的应用备受关注，尤其是在医学影像分析方面。其中，乳腺癌的早期准确检测对提高患者生存率和改善预后至关重要。在这样的大背景下，来自 Else Kroener Fresenius Center for Digital Health, Medical Faculty Carl Gustav Carus, Technical University Dresden（德累斯顿工业大学卡尔?古斯塔夫?卡鲁斯医学院埃尔斯?克罗纳?弗赖森纽斯数字健康中心）等多个单位的研究人员合作开展研究。该研究成果发表于Communications Medicine期刊，为乳腺癌的检测带来了新的思路和方法，在医学影像分析领域具有重要意义。
一、研究背景
（一）乳腺癌筛查现状及挑战
在欧美地区，乳腺癌筛查指南正发生重大变革，磁共振成像（MRI）在乳腺癌筛查中的应用日益广泛。以往，乳房 X 线摄影是乳腺癌检测的主要工具，但最新指南建议对乳腺组织极其致密的女性使用 MRI 进行筛查。这一变化意味着 MRI 的使用量将大幅增加，在欧盟，每年可能有数百万女性接受 MRI 扫描。然而，训练有素的专业放射科医生数量并未相应增加，这使得解读大量 MRI 数据成为一大难题，迫切需要计算机辅助方法，特别是深度学习（DL）技术的支持。
（二）深度学习在医学影像分析中的困境
虽然深度学习在乳房 X 线摄影中展现出一定的临床益处，但在 MRI 乳腺癌检测方面面临诸多挑战。一方面，高质量的深度学习模型通常依赖大量专有数据集，这些数据往往不公开，限制了研究的可重复性和协作性。另一方面，传统的基于三维（3D）放射学数据的肿瘤检测深度学习模型多采用监督学习方式，需要专家手动绘制肿瘤注释作为金标准，这不仅耗费大量时间和人力，而且由于 MRI 数据固有的成像模糊性以及阅片者之间和内部的差异，获取精确的体素级肿瘤边界并不总是可行的，这会影响后续测量和模型性能。此外，其他强监督方法，如边界框注释或质心注释，也存在需要专家输入、主观且模糊等问题。
（三）解决数据共享与标注问题的探索
为解决数据共享难题，联邦学习被提出，它允许在不同站点独立训练多个深度学习模型，无需数据共享。然而，传统联邦学习需要一个中央协调器来聚合模型，存在单点控制和潜在漏洞，与完全去中心化协作的目标相悖，还可能面临可扩展性问题。群体学习（SL）作为一种新兴技术，利用基于区块链的通信和节点间的模型聚合，消除了对中央协调器的需求，使参与机构能够平等、安全地贡献数据，且支持动态参与。但 SL 与弱监督学习结合用于 3D 放射学数据分析的研究尚未广泛开展。在这样的背景下，本研究旨在探索将弱监督学习与 SL 相结合，以解决乳腺癌 MRI 检测中面临的标注成本高和数据共享复杂的问题。
二、研究材料与方法
（一）患者队列
研究使用了五个乳腺癌 MRI 数据集，分别为 “Duke”“USZ”“CAM”“MHA” 和 “UKA”。其中，Duke、USZ 和 CAM 数据集用于实际训练，UKA 和 MHA 数据集作为外部测试队列。Duke 数据集收集于 2000 年至 2014 年美国北卡罗来纳州达勒姆的杜克医院，是公开可用的分期数据集，包含活检确诊的浸润性乳腺癌患者数据。USZ 数据集收集于 2013 年至 2022 年瑞士苏黎世大学医院，数据采集基于特定的纳入标准。CAM 数据集收集于 2014 年至 2021 年英国剑桥大学医院。UKA 数据集收集于 2010 年至 2017 年德国亚琛医院，MHA 数据集收集于 2022 年希腊雅典米特拉医院。这些数据集涵盖了不同地区、不同设备采集的数据，具有一定的代表性。
（二）预处理流程
对所有数据集采用相同的预处理流程。首先将 DICOM 文件转换为 NIFTI 格式，以便区分和存储图像的预对比和首次后对比序列。接着计算首次后对比与预对比图像的差值，生成减影图像（sub - contrast sequences）。然后，根据模型需求对左右乳房体积进行单独裁剪或填充，通过基于强度的定位方法，将高度裁剪为 256 像素，并动态调整裁剪范围以包含乳房区域。最后，根据各数据集的分类对每个乳房体积进行恶性（是 / 否）全局标注，并将图像重采样为统一分辨率 256×256×32 体素，将肿瘤检测问题简化为乳房 MRI 图像全体积的二分类问题，以便用弱监督预测方法进行分析。
（三）群体学习工作流程
研究构建了一个由三个独立 “节点” 组成的 SL 网络来共同训练机器学习模型，预测 MRI 数据中的乳腺癌。每个参与站点持有自己的专有数据，无需在参与者之间共享临床数据。在训练过程中，模型权重在多个同步事件（sync events）中在节点间交换，同步事件发生在每个同步间隔结束时，同步间隔指学习共享发生前的批次数量。每次同步事件时对模型权重进行平均，各节点使用平均后的参数继续训练。研究采用加权平均方法，根据各节点贡献量的比例确定权重因子。模型同步的元数据存储在以太坊区块链上，由区块链管理模型的全局状态信息。研究使用 Hewlett Packard Enterprise（HPE）的 SL 实现，其包含四个组件：SL 过程、Swarm Network（SN）过程、身份管理和 HPE 许可证管理，所有过程或节点均在多个 Docker 容器中运行。
（四）实验设计
研究主要探究了基于 CNN 的 2D、基于 CNN 的 3D 和基于 MIL 的工作流程这三类深度学习模型的性能。使用 SL 技术，设置三个节点，每个节点分配一定比例的训练数据集，并将其性能与基于集中式数据集训练的模型（集中式模型）进行比较。实验中，80% 的 Duke 数据集用于训练，20% 作为内部测试队列，UKA 数据集专门用于外部验证。在 SL 技术中，按患者级别平衡良性和恶性病例的比例，将 Duke 数据集的训练分区以 40%、30% 和 10% 的比例分配到三个独立的裸机服务器上的学习节点。数据分区在患者级别随机且分层进行，确保每个分区基于患者整体而非单个乳房。所有模型训练完成后，在内部测试队列和完整的外部队列（UKA）上进行验证。此外，还进行了实际群体训练，利用 Duke 的开源数据以及 USZ 和 CAM 队列在各自中心进行训练，模型以随机权重初始化，训练完成后进行最终的权重合并，最后在 MHA 和 UKA 数据集上进行验证，实验重复五次以考虑变异性并测量模型性能的稳定性。
（五）AI 方法
通过全面的文献调研，研究选择了多种深度学习模型进行实验。2D - CNN 模型将 3D MRI 数据分割成 32 个切片，每个切片 256×256 像素，基于 2D - ResNet50 架构，采用弱监督学习方法，根据整个体积的肿瘤情况对切片进行标注，模型独立处理每个切片，通过选择所有切片中的最高分数作为整个体积的预测分数。3D - CNN 模型如 3D - ResNet18、3D - ResNet50、3D - ResNet101 和 3D - DenseNet121，通过 3D 卷积层、池化层、归一化层和残差连接来处理 3D 数据，利用乳房 MRI 数据的 3D 结构捕捉体积和空间信息，提升分类性能。MIL - 基于的方法包括注意力机制的 MIL（Att - MIL）、基于视觉 Transformer 的 MIL（ViT - MIL）和基于视觉 Transformer 与 LSTM 的 MIL（ViT - LSTM - MIL），通过特征提取和训练，利用注意力机制评估不同实例的重要性，合并多个切片的预测结果得到 MRI 体积的综合预测。
（六）可解释性分析
采用 GradCAM、GradCAM++ 和遮挡敏感性分析（OCA）三种技术对模型预测进行可视化。GradCAM 通过可视化模型最后卷积层中目标类别的梯度，突出显示图像中对模型预测有强烈影响的区域。GradCAM++ 是 GradCAM 的扩展，使用更高阶导数并考虑像素级贡献，提供更精细的可视化。OCA 通过系统地遮挡输入图像的不同部分并监测对模型输出的影响，根据预测概率的变化判断被遮挡部分在模型决策中的重要性。可视化在从第 5 到第 27 层均匀选择的 16 个切片上进行，以全面且可管理的方式展示体数据。
（七）统计分析与硬件配置
所有实验使用不同随机种子重复五次，分类性能的主要统计指标是受试者工作特征曲线下面积（AUROC）。应用 DeLong 检验评估和比较基于 AUROC 的模型性能，计算每个模型五次重复的中位数患者得分，以 p<0.05 判断模型性能是否有显著差异，AUROC 以平均值 ± 标准差报告。还对表现最佳的模型进行了更多评估指标计算，如 F1 分数、灵敏度、特异性、阳性预测值（PPV）和阴性预测值（NPV）。在三个中心，为计算任务部署了不同硬件配置的 SL，包括不同版本的 Ubuntu 操作系统、不同容量的 RAM 和不同型号的 NVIDIA GPU，且每个系统都连接至少 10 MBit/sec 的互联网以确保网络连接稳定。
三、研究结果
（一）模拟 SL 与集中式模式的比较
使用 80% 的 Duke 数据集训练选定模型，并在剩余 20% 的 Duke 数据集上进行内部验证。结果显示，在 SL 技术下，3D - ResNet 模型的性能显著优于 2D 模型。其中，3D - ResNet101 的 AUROC 最高，达到 0.792 [±0.045]，其他 3D - ResNet 模型如 3D - ResNet50 和 3D - ResNet18 的 AUROC 分别为 0.766 [±0.050] 和 0.768 [±0.022]。MIL 技术的 AUROC 相对较低，如 ViT - MIL 为 0.740 [±0.019]，ViT - LSTM - MIL 为 0.748 [±0.008]，Att - MIL 为 0.650 [±0.091]，2D - ResNet50 的 AUROC 仅为 0.608 [±0.008] 。将 SL 技术与集中式模型的性能进行比较，发现 SL 技术的性能与集中式数据集训练的模型相当，无显著差异。
（二）不同弱监督工作流程在外部队列上的泛化性
将内部验证实验中训练的模型部署到来自德国亚琛 Uniklinik Aachen（UKA）的外部数据集上进行验证。结果表明，所有模型在外部验证实验中的性能均略有下降，但 3D - ResNet 模型仍优于其他测试模型。3D - ResNet101 在外部验证中表现最佳，SL 技术下的 AUROC 为 0.770 [±0.021]，集中式数据集下为 0.742 [±0.026]。2D - ResNet50 在 UKA 数据集上使用 SL 的验证性能最低，为 0.578 [±0.049]。此外，与集中式模型相比，SL 模型在外部验证中的性能下降幅度更小，表明 SL 模型可能具有更好的泛化性。
（三）国际 SL 网络中的实际训练与验证
在瑞士的 USZ、英国的 CAM 和位于德国德累斯顿的 Duke 数据集所在机构构建 SL 训练网络，训练 3D - ResNet101 模型，并在希腊雅典的 Mitera Hospital（MHA）和德国的 UKA 进行验证。在 UKA 数据集上，本地训练的 Duke、USZ 和 CAM 模型的 AUROC 分别为 0.743 [±0.025]、0.538 [±0.033] 和 0.703 [±0.025]，而 SL 训练的模型 AUROC 为 0.807 [±0.024]，显著优于本地训练模型。在 MHA 数据集上，本地训练的 Duke、USZ 和 CAM 模型的 AUROC 分别为 0.729 [±0.024]、0.520 [±0.040] 和 0.673 [±0.036]，SL 训练的模型 AUROC 为 0.821 [±0.013]，同样优于本地训练模型。此外，SL 模型在 F1 分数、灵敏度、特异性、PPV 和 NPV 等指标上也表现更优。通过 GradCAM++ 和 OCA 对模型预测进行可视化分析发现，OCA 能更精确地识别恶性增强病变，表明模型聚焦于肿瘤区域，且 OCA 的定位更精准。
四、研究结论与讨论
（一）研究结论
本研究成功将弱监督学习与 SL 相结合，应用于乳腺癌 MRI 检测的深度学习模型训练。实验结果表明，3D - ResNet101 模型在多种弱监督工作流程中表现最佳，且通过 SL 协作训练的模型性能优于本地训练的模型，即使在数据集较小的情况下，也证明了在国际上部署 SL 并进行现场数据处理的实际可行性。这种结合方式增强了机构间的协作，提高了分布式数据集在医学 AI 训练中的效用，无需详细注释或集中数据共享。
（二）研究意义
该研究成果具有重要的意义。在医学领域，为乳腺癌的早期检测提供了更有效的方法，有助于提高诊断准确性，改善患者预后。从技术层面看，解决了医学影像分析中数据标注和共享的难题，为深度学习在医学领域的应用开辟了新的道路。通过 SL 实现去中心化的模型训练，保护了患者数据隐私，促进了多机构间的合作。此外，研究为后续大规模研究奠定了基础，推动了临床环境中深度学习模型的发展和部署。
（三）研究局限性与展望
研究也存在一些局限性。训练数据集相对较小，可能影响模型性能和研究结果的泛化性；模型主要在已诊断出肿瘤的患者 MRI 扫描数据上训练和测试，不能很好地反映更广泛筛查人群的情况；弱监督标签虽减少了注释需求，但可能引入噪声影响模型性能；三节点的 SL 配置相对简单，实际协作可能涉及更多机构和复杂的数据分布问题；高维模型如 3D - ResNet 的计算成本较高，在资源有限的环境中应用存在挑战。未来研究可通过增加患者数量、纳入更多全球中心的数据、探索减轻噪声标签影响的策略以及优化模型计算效率等方式，进一步提升模型的预测性能，并在更大、更多样化的人群中验证该方法，为基于 MRI 的癌症筛查开发临床级深度学习系统提供更坚实的支持。
