Mammografia sterowana sztuczną inteligencją zmniejsza obciążenie pracą o 33% i zwiększa wykrywalność raka piersi

W niedawnym badaniu opublikowanym w czasopiśmie Radiology naukowcy z Danii i Holandii przeprowadzili retrospektywną analizę skuteczności badań przesiewowych i ogólnego obciążenia mammografią 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 analizować wiele mammogramów, z których większość nie zawiera podejrzanych zmian.

Ponadto podwójne przesiewy, które są stosowane w celu zmniejszenia liczby fałszywych wyników dodatnich i poprawy wykrywania, dodatkowo zwiększają obciążenie pracą radiologów. Niedobór wyspecjalizowanych radiologów, którzy potrafią czytać mammografię, pogarsza tę sytuację.

Ostatnie badania szeroko zbadały wykorzystanie sztucznej inteligencji do efektywnej 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 przy jednoczesnym zachowaniu czułości badań przesiewowych.

W niniejszym badaniu wykorzystano wstępne pomiary skuteczności badań z dwóch kohort kobiet poddających się badaniom mammograficznym w ramach duńskiego krajowego programu badań przesiewowych w kierunku raka piersi, aby porównać zmiany w obciążeniu badaniami przesiewowymi i ich skuteczności po wprowadzeniu narzędzi opartych na sztucznej inteligencji.

W ramach programu kobiety w wieku od 50 do 69 lat były zapraszane na badania przesiewowe co dwa lata do ukończenia 79 roku życia. Kobiety, u których stwierdzono markery wskazujące na zwiększone ryzyko zachorowania na raka piersi, takie jak geny BRCA, były badane według różnych protokołów.

Naukowcy wykorzystali dwie kohorty kobiet: jedną przebadaną przed wprowadzeniem systemu AI i jedną po. Analiza obejmowała tylko kobiety poniżej 70. roku życia, aby wykluczyć te z podgrupy wysokiego ryzyka.

Wszyscy uczestnicy przeszli standaryzowane protokoły z wykorzystaniem cyfrowej mammografii z widokami craniocaudalnym i środkowo-bocznym skośnym. Wszystkie pozytywne przypadki w tym badaniu zostały zidentyfikowane poprzez przesiewowe badanie w kierunku raka przewodowego lub raka inwazyjnego, które zostały potwierdzone biopsją igłową. Dane dotyczące raportów patologicznych, wielkości zmian, zajęcia węzłów chłonnych i diagnoz uzyskano również z krajowego rejestru zdrowia.

System AI używany do analizy mammografii został wytrenowany przy użyciu modeli głębokiego uczenia się, aby wykrywać, wyróżniać i punktować wszelkie podejrzane zwapnienia lub guzki na mammografii. Następnie AI klasyfikowała badania przesiewowe w skali od 1 do 10, wskazując prawdopodobieństwo raka piersi.

Zespół złożony głównie z doświadczonych radiologów przeglądał mammogramy dla obu kohort. Przed systemem AI każde badanie przesiewowe było przeglądane przez dwóch radiologów, a pacjentowi zalecano badanie kliniczne i biopsję igłową tylko wtedy, gdy obaj radiolodzy uznali, że badanie przesiewowe wymaga dalszej oceny.

Po wdrożeniu systemu AI mammogramy z wynikiem 5 lub niższym zostały przejrzane przez starszego radiologa, wiedząc, że otrzymają tylko jeden odczyt. Te, które wymagały dalszego badania, zostały omówione z drugim radiologiem.

Badanie wykazało, że wdrożenie systemu sztucznej inteligencji znacznie zmniejszyło obciążenie pracą radiologów analizujących mammogramy w ramach masowych badań przesiewowych w kierunku raka piersi, jednocześnie zwiększając skuteczność badań.

Kohorta przebadana przed wdrożeniem systemu AI obejmowała ponad 60 000 kobiet, podczas gdy kohorta przebadana za pomocą AI obejmowała około 58 000 kobiet. Badania przesiewowe za pomocą AI spowodowały wzrost liczby diagnoz raka piersi (0,70% przed AI w porównaniu z 0,82% z AI), jednocześnie zmniejszając liczbę wyników fałszywie dodatnich (2,39% w porównaniu z 1,63%).

Badania przesiewowe oparte na sztucznej inteligencji miały wyższą dodatnią 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 wskaźniki wydajności wykazały, że badania przesiewowe oparte na sztucznej inteligencji znacząco poprawiły wyniki. Obciążenie czytelnicze zostało również zmniejszone o 33,5%.

Podsumowując, badanie miało na celu ocenę skuteczności systemu badań przesiewowych opartego na sztucznej inteligencji w zmniejszaniu obciążenia pracą radiologów i poprawie wskaźników badań przesiewowych w analizie mammograficznej w ramach masowych badań przesiewowych w kierunku raka piersi w Danii.

Wyniki pokazały, że system oparty na sztucznej inteligencji znacznie zmniejszył obciążenie pracą radiologów, a jednocześnie poprawił wskaźniki badań przesiewowych, o czym świadczy znaczny wzrost liczby rozpoznań raka piersi i znaczna redukcja wyników fałszywie dodatnich.