“这是我国首次基于量子混合神经网络模型识别乳腺钼靶图像，也是我国首次得出量子混合神经网络在乳腺癌钼靶图像识别领域的可行性。”

9月25日，蚌埠医学院第一附属医院主任医师谢宗玉在中国首届量子计算与数据医学高峰论坛上汇报了应用量子计算建立乳腺癌数字诊断模型的临床研究阶段性成果。他表示，目前该研究已完成乳腺钼靶影像数据库第一阶段构建。

  ?

蚌埠医学院第一附属医院主任医师谢宗玉现场报告（主办方供图）

根据2022年的美国癌症统计报告，乳腺癌在女性癌症发病率中排名第1，死亡率排名第2，分别达到31% 和15%。2023年中国癌症中心统计数据显示，乳腺癌是我国女性发病率最高的癌症，达16.73% ，死亡率为8.12%。这显示出乳腺癌在世界范围内已成为一种威胁女性健康的重大疾病。

早期发现和及时治疗对乳腺癌患者的生存率和治愈率有着至关重要的影响。临床上通常使用钼靶筛查和诊断乳腺癌，其结果受到患者自身乳房致密性特点和医生临床经验影响，因此提高诊断准确率是临床医生面临的重要难题。传统诊断方法往往耗时长、精度不高，而量子算力在特定情况下能够以指数级别提高数据处理速度，有助于实现对钼靶图像更精确、更高效的解析和判断。

谢宗玉表示，“该系统是蚌埠医学院与本源量子公司紧密合作的成果。在病灶的检出和分割方面，可协助医生判断患者是否存在病变以及病变的区域；在人工智能诊断与预测方面，可协助医生鉴别患者的病灶良恶性、预测生物学标志物和患者预后等；在多模态信息智能融合方面，可通过实验室检查、病史、基因、影像信息的智能融合，形成综合性报告。”

谢宗玉介绍，目前该临床研究数据集共包含4650张钼靶图像，其中具有病灶标签的共有2604张，分为良性病灶1099张和恶性病灶1505张，不具有病灶标签的健康图像有2046张。“本数据集由蚌埠医学院第一附属医院门诊和住院患者收集得来，其分布符合现实临床实践面临的真实场景，具有较高的可操作性。”

后续，谢宗玉团队将继续扩大样本量，建立国内多中心乳腺钼靶数据库，设计针对分割任务的量子神经网络，将更多模态的信息加入混合网络中，进一步提升分类准确率，为乳腺癌相关研究贡献力量。

“我们的最终目的是建立量子智能化诊断系统。”谢宗玉说。