分享
Fiona Gilbert教授是乳腺成像領域的領軍人物，她對該領域的貢獻於今年12月在芝加哥舉行的北美放射學會(RSNA)年會上被授予榮譽會員稱號。自1978年從格拉斯哥大學畢業以來，她在英國的臨床研究、寫作、乳腺篩查和演講等多個領域建立了輝煌的職業生涯。她是歐洲乳房成像學會的副會長，明年將成為會長。她是RSNA的乳腺科學項目委員會主席，皇家放射學家學院研究委員會的前任主席和NCRI成像顧問組的前任主席。她目前的研究興趣是使用多模態成像來更好地了解腫瘤環境，用於致密乳腺和基於風險的篩查的輔助成像，癌症中的非fdg放射示蹤劑，以及乳腺MRI。吉爾伯特教授也是劍橋大學放射學教授和係主任，以及劍橋大學阿登布魯克醫院放射學榮譽顧問醫師。HealthManagement.org在她繁忙的日程中采訪了她，討論了她對乳腺成像的未來的看法以及她對RSNA識別的看法。
在今年的北美放射學會(RSNA)年會上，您將因對放射學的貢獻而獲得榮譽會員資格。你對獲得這個榮譽有什麼感覺?
我真的很驚訝，也非常激動。RSNA的年度科學會議是我最喜歡的會議之一，從我還是注冊員的時候就開始參加了。我熱愛我在放射學的職業生涯，並感到很幸運能在一個驚人的技術創新的時代從事這個專業。獲得榮譽會員是一項巨大的榮譽。這是對多年來與我一起開展試驗和研究的所有團隊成員的極大認可。
你感興趣的領域之一是利用影像學更好地了解腫瘤生理學。您認為當前的篩查方法/模式如何能夠更好地單獨或聯合使用，以提高對腫瘤組成的洞察?
篩查項目的一個問題是，我們希望篩查出所有的疾病，但問題是，我們發現了一些女性永遠不會知道的癌症——這被稱為“過度診斷”。過度診斷會引起警覺和焦慮，並給某人貼上癌症患者的標簽——如果她沒有參加篩查，她永遠都不會知道癌症。有了新技術，我們需要確保減少過度診斷，隻發現會造成傷害的生物侵略性癌症。我們需要試著找出那些最有可能患上致命癌症的人。我們認為我們可以通過基因信息，乳房密度和其他風險信息來做到這一點。作為放射科醫生，我們可以做的另一件事是使用不同的成像模式更有可能發現侵襲性癌症。我們知道，高級別癌症往往與血管有關。我們認為注入造影劑的血管成像技術，如核磁共振成像或造影劑增強乳房x光檢查，將更有可能發現侵襲性癌症，而不是侵襲性較低的癌症。現在我們要證明這一點還有很長的路要走，但這就是我們轉向使用基於血管的技術來嚐試識別異常的基本原理，這樣我們就能找到致命的癌症而不是不那麼令人擔憂的癌症。
你覺得我們離這還有多遠?
有一些證據來自MRI研究，如致密試驗和縮寫MRI研究。我們需要看看那些核磁共振篩查研究，看看發現了什麼類型的癌症——癌症的大小、級別和類型。接下來，我們需要對所有已發表的MRI研究進行分析，以了解MRI檢測出的癌症類型，而不是乳房x光檢查、超聲或對比增強乳房x光檢查。在不同的成像模式下發現的癌症有區別嗎?還是它們是一樣的?理論上，靜脈注射造影劑的方法更有可能發現血管較多的侵襲性癌症。
你認為合成技術的未來會怎樣?它是否有潛力單獨發揮作用，還是與其他模式聯合發揮作用更好?
關於合成有大量的證據。這些公司現在正在生產高分辨率的合成圖像。與早期的研究相比，現在的處理方法好得多，我們現在可以更清楚地看到微鈣化。有一些工具可以幫助我們讀取數據集中的大量圖像。與2D乳房x光檢查相比，混合密度乳房組織的女性從tomo中獲得了一些好處，但那些乳房密度極高的女性可能沒有，她們需要補充成像。
人工智能在乳房成像方麵將如何發展?在您看來，這是一種會增加價值的工具嗎?風險是什麼?
我對人工智能很感興趣。我認為它提供了巨大的機會，我們可以以不同的方式利用它。好消息是，在乳房x光檢查領域有很多研究在進行，以幫助我們閱讀乳房x光檢查，對檢查進行分類，並將這些檢查分類為那些極有可能出現異常的檢查，放射科醫生應該真正集中注意力和努力，這樣他們就不會錯過什麼。與此相比，出現異常的可能性非常低。有了人工智能，我們可以在一個忙碌的下午結束時閱讀它們，並不是說我們會減少對它們的關注，而是如果我們在這批數據中沒有發現任何東西，我們不擔心的可能性非常低，我們會放心，機器也閱讀了它們。我認為標記是有用的，可以讓你注意到一個特殊的異常，但如果標記太多就沒有用了。這阻礙了我們使用工具，因為我們對它失去了信心，開始不恰當地忽略標記。一項大型研究表明，使用計算機輔助檢測(CAD)工作的放射科醫生的表現比不使用CAD的放射科醫生差。所以，我認為有些人比其他人從AI工具中獲益更多。一些研究表明，對於小容量閱讀器的放射科醫生，使用CAD係統可以提高性能，而對大容量閱讀器的影響較小。 Some countries have double reading – two people looking at the images. With adoption of AI this could replace one of the readers. We will use it in some way to save manpower or redistribute the manpower.
你目前的研究中最讓你興奮的是什麼?
我真正想做的一件事是將篩查轉移到基於風險的，分層的係統中，給特定的個體最合適的成像，這樣他們就可以根據他們的風險以自己的頻率進行個性化篩查。
我們可以為癌症患者提供個性化的護理嗎?
絕對的。我想找到一種方法，把我們從MRI掃描儀和PET掃描儀中得到的功能信息整合起來。我們可以更好地識別生物標記，比如“這個女人對這種治療反應更好”或者“這個女人對那種藥物反應更好”。隻經過一個療程的化療，你就可以通過成像看到腫瘤發生了什麼——哪些區域有反應，哪些區域沒有反應。接受化療的人會有這樣一段艱難的時光。我們需要嚐試更好地調整它;我相信成像技術在這方麵的貢獻比我們目前使用的要大得多。
