Вештачка интелигенција открива трећину случајева рака дојке у интервалима који су пропуштени скринингом

Алгоритам вештачке интелигенције за скрининг рака дојке могао би побољшати перформансе дигиталне томосинтетске мамографије (ДБТ), смањујући стопе рака у интервалима до једне трећине, према студији објављеној данас у часопису Радиологија.

Интервални карциноми дојке су симптоматски тумори дијагностиковани између рутинских мамографија. Ови случајеви обично имају лошију прогнозу због агресивније болести и брзог раста тумора. ДБТ, или 3Д мамографија, пружа побољшану визуелизацију лезија дојке и може идентификовати туморе који могу бити скривени густим ткивом. Међутим, пошто је ДБТ релативно нова технологија, подаци о дугорочним исходима за пацијенте у установама које су недавно усвојиле ову технику остају ограничени.

„С обзиром на недостатак података о смртности од рака дојке након 10 година ДБТ скрининга, интервалне стопе рака се често користе као замена“, објашњава ауторка студије др Маниша Бал, директорка за квалитет снимања дојки у Општој болници Масачусетса и ванредна професорка на Медицинском факултету Харвард.
„Смањење ове стопе указује на смањење инциденције и смртности од рака дојке.“

Студија: Вештачка интелигенција идентификује неоткривене туморе

У студији са 1.376 случајева, Бал и колеге су ретроспективно анализирали 224 интервална карцинома код 224 жене које су подвргнуте ДБТ скринингу. На овим сликама, алгоритам Lunit INSIGHT DBT v1.1.0.0 AI је правилно локализовао 32,6% (73 од 224) претходно неоткривених тумора.

„Изненадили смо се што је скоро трећина интервалних тумора откривена и прецизно локализована помоћу алгоритма вештачке интелигенције на мамограмима које су радиолози претходно тумачили као нормалне, истичући потенцијал вештачке интелигенције као 'другог читача'“, рекао је Бал.

Према речима истраживача, ово би могла бити прва објављена студија која се посебно бави коришћењем вештачке интелигенције за откривање интервалних карцинома на ДБТ сликама.

„АИ је раније коришћена за откривање интервалних карцинома на конвенционалним 2Д дигиталним мамограмима, али колико нам је познато, у литератури није било објављених студија о АИ откривању интервалних тумора посебно на 3Д томосинтетским скеновима“, објаснио је Бал.

Методологија: на нивоу лезије, не само снимак

Да би се избегло прецењивање осетљивости алгоритма, Балов тим је користио анализу специфичну за лезију: вештачка интелигенција је добијала „бодован погодак“ само ако је правилно идентификовала и локализовала тачну локацију тумора.

„Насупрот томе, анализа целе слике може дати вештачкој интелигенцији 'пролаз' чак и ако је анотација нетачна, што вештачки повећава осетљивост“, додаје она.
„Фокусирање на тачност локализације лезије пружа поузданију процену клиничких перформанси алгоритма.“

Шта тачно проналази вештачка интелигенција?

• Тумори које је алгоритам открио обично су били већи
• Чешће су завршавали са оштећењем лимфних чворова
• То би могло да значи да вештачка интелигенција првенствено идентификује агресивне или брзорастуће туморе, или оне који су већ били у узнапредовалој фази, али су их лекари пропустили током скрининга.

Укупни резултати:

Међу 1.000 пацијената (укључујући и оне са потврђеним туморима и оне са бенигним или лажно позитивним резултатима), АИ:

• Тачно локализовано 84,4% од 334 заиста позитивних случајева
• Тачно класификовано 85,9% од 333 тачно негативних резултата
• Одбачено као лажно 73,2% од 333 лажно позитивних случајева

Закључци и значај

„Наша студија је показала да алгоритам вештачке интелигенције може ретроспективно открити и прецизно локализовати скоро трећину интервалних карцинома дојке на сликама ДБТ скрининга, што указује на његов потенцијал да смањи учесталост интервалних карцинома и побољша исходе скрининга“, рекао је др Бал.

„Наши резултати подржавају интеграцију вештачке интелигенције у токове рада дигиталне бендове дијагностике (ДБТ) како би се побољшала тачност откривања рака. Међутим, стварни утицај ће зависити од степена у којем ће радиолози усвојити и прилагодити вештачку интелигенцију у клиничкој пракси, као и од тестирања њене ефикасности у различитим клиничким условима.“