Mammografia wspomagana sztuczną inteligencją zmniejsza obciążenie pracą o 33% i zwiększa wykrywalność raka piersi
Ostatnia recenzja: 14.06.2024
![Fact-checked](/sites/default/files/fact-checked.png)
Cała zawartość iLive jest sprawdzana medycznie lub sprawdzana pod względem faktycznym, aby zapewnić jak największą dokładność faktyczną.
Mamy ścisłe wytyczne dotyczące pozyskiwania i tylko linki do renomowanych serwisów medialnych, akademickich instytucji badawczych i, o ile to możliwe, recenzowanych badań medycznych. Zauważ, że liczby w nawiasach ([1], [2] itd.) Są linkami do tych badań, które można kliknąć.
Jeśli uważasz, że któraś z naszych treści jest niedokładna, nieaktualna lub w inny sposób wątpliwa, wybierz ją i naciśnij Ctrl + Enter.
![](https://pl.iliveok.com/sites/default/files/styles/term_image/public/news/ii-upravlyaemaya-mammografiya-snizhaet-rabochuyu-nagruzku-na-33-i-uvelichivaet-vyyavlenie-raka-grudi.jpg?itok=RhaTfioI)
W niedawnym badaniu opublikowanym w Radiology badacze z Danii i Holandii przeprowadzili retrospektywną analizę skuteczności badań przesiewowych i całkowitego obciążenia badaniami mammograficznymi przed i po wprowadzeniu systemów sztucznej inteligencji (AI).
Regularne badania mammograficzne w kierunku raka piersi znacznie zmniejszają śmiertelność z powodu tej choroby. Jednak masowe badania mammograficzne zwiększają obciążenie pracą radiologów, którzy muszą przeglądać wiele mammografii, z których większość nie zawiera podejrzanych zmian.
Ponadto podwójne badania przesiewowe stosowane w celu ograniczenia liczby wyników fałszywie dodatnich i poprawy wykrywania dodatkowo zwiększają obciążenie pracą radiologów. Brak wyspecjalizowanych radiologów, którzy potrafią czytać mammografie, pogarsza tę sytuację.
W ostatnich badaniach szeroko zbadano zastosowanie sztucznej inteligencji do skutecznej analizy raportów radiologicznych przy jednoczesnym zachowaniu wysokich standardów badań przesiewowych. Uważa się, że połączone podejście, w którym sztuczna inteligencja pomaga radiologom wyróżniać mammogramy z oznaczonymi zmianami, zmniejsza obciążenie radiologów pracą, zachowując jednocześnie czułość badań przesiewowych.
W bieżącym badaniu wykorzystano wstępne pomiary wyników dwóch kohort kobiet poddanych mammograficznym badaniom przesiewowym w ramach duńskiego krajowego programu badań przesiewowych w kierunku raka piersi, aby porównać zmianę w obciążeniu i wynikach badań przesiewowych po wprowadzeniu narzędzi AI.
W programie kobiety w wieku od 50 do 69 lat zapraszano na badania przesiewowe co dwa lata do 79. Roku życia. Kobiety ze markerami wskazującymi na zwiększone ryzyko raka piersi, takimi jak geny BRCA, poddawano badaniom przesiewowym przy użyciu różnych protokołów.
W badaniu wykorzystano dwie kohorty kobiet: jedną przebadaną przed i drugą po wprowadzeniu systemu sztucznej inteligencji. Do analizy włączono wyłącznie kobiety w wieku poniżej 70 lat, aby wykluczyć te z podgrupy wysokiego ryzyka.
Wszystkich uczestników poddano standardowym protokołom z wykorzystaniem mammografów cyfrowych z projekcją czaszkowo-ogonową i środkowo-boczną skośną. Wszystkie pozytywne przypadki w tym badaniu zidentyfikowano poprzez badania przesiewowe w kierunku raka przewodowego lub raka inwazyjnego, co potwierdzono biopsją igłową. Dane dotyczące raportów patologicznych, wielkości zmian, zajęcia węzłów chłonnych i rozpoznań uzyskano również z krajowego rejestru zdrowia.
System sztucznej inteligencji używany do analizy mammografii został przeszkolony przy użyciu modeli głębokiego uczenia się w celu wykrywania, wyróżniania i oceniania wszelkich podejrzanych zwapnień lub zmian na mammogramie. Następnie sztuczna inteligencja oceniła badania przesiewowe w skali od 1 do 10, wskazując prawdopodobieństwo raka piersi.
Zespół składający się głównie z doświadczonych radiologów dokonał przeglądu mammografii w obu kohortach. Przed wdrożeniem systemu AI każde badanie przesiewowe było sprawdzane przez dwóch radiologów, a pacjent był kierowany na badanie kliniczne i biopsję igłową tylko wtedy, gdy obaj radiologowie uznali, że badanie przesiewowe wymaga dalszej oceny.
Po wdrożeniu systemu AI mammogramy z wynikiem mniejszym lub równym 5 zostały sprawdzone przez starszego radiologa, wiedząc, że otrzymali tylko jeden odczyt. Te, które wymagały dalszego badania, zostały omówione z drugim radiologiem.
Badanie wykazało, że wdrożenie systemu sztucznej inteligencji znacznie odciążyło radiologów analizujących mammogramy w ramach masowych badań przesiewowych w kierunku raka piersi, poprawiając jednocześnie skuteczność badań przesiewowych.
Kohorta przebadana przed wdrożeniem systemu AI liczyła ponad 60 000 kobiet, natomiast kohorta przebadana z wykorzystaniem AI liczyła około 58 000 kobiet. Badania przesiewowe z wykorzystaniem sztucznej inteligencji spowodowały wzrost liczby rozpoznań raka piersi (0,70% przed AI w porównaniu z 0,82% w przypadku AI), przy jednoczesnym zmniejszeniu liczby wyników fałszywie dodatnich (2,39% w porównaniu z 1,63%).
Badania przesiewowe oparte na sztucznej inteligencji miały wyższą pozytywną wartość predykcyjną, a odsetek nowotworów inwazyjnych był niższy w przypadku metod opartych na sztucznej inteligencji. Chociaż odsetek nowotworów bez przerzutów do węzłów chłonnych nie uległ zmianie, inne miary wydajności wykazały, że badania przesiewowe oparte na sztucznej inteligencji znacznie poprawiły wyniki. Obciążenie czytelnicze również spadło o 33,5%.
W związku z tym w badaniu oceniono skuteczność systemu badań przesiewowych opartego na sztucznej inteligencji pod względem zmniejszania obciążenia radiologów pracą i poprawy wskaźników mammografii w ramach masowych badań przesiewowych w kierunku raka piersi w Danii.
Wyniki pokazały, że system oparty na sztucznej inteligencji znacząco odciążył radiologów, poprawiając jednocześnie wskaźniki badań przesiewowych, o czym świadczy znaczny wzrost liczby diagnoz raka piersi i znaczne zmniejszenie liczby wyników fałszywie dodatnich.