Sztuczna inteligencja wykrywa jedną trzecią przypadków raka piersi przeoczonych w badaniach przesiewowych

Według badania opublikowanego dzisiaj w czasopiśmie Radiology algorytm sztucznej inteligencji przeznaczony do badań przesiewowych w kierunku raka piersi może poprawić wydajność cyfrowej tomosyntezy mammograficznej (DBT), zmniejszając zachorowalność na raka interwałowego nawet o jedną trzecią.

Interwałowe raki piersi to objawowe nowotwory diagnozowane pomiędzy rutynowymi mammografiami przesiewowymi. W tych przypadkach rokowanie jest zazwyczaj gorsze ze względu na bardziej agresywną postać choroby i szybki wzrost guza. Mammografia trójwymiarowa (DBT), czyli DBT, zapewnia lepszą wizualizację zmian w piersiach i pozwala zidentyfikować guzy ukryte w gęstej tkance. Ponieważ jednak DBT jest stosunkowo nową technologią, dane dotyczące długoterminowych wyników leczenia pacjentów w placówkach, które niedawno wdrożyły tę technikę, pozostają ograniczone.

„Biorąc pod uwagę niedobór danych dotyczących śmiertelności z powodu raka piersi po 10 latach badań przesiewowych DBT, wskaźniki zachorowań na raka w odstępach czasu są często wykorzystywane jako wskaźnik zastępczy” – wyjaśnia autorka badania, dr Manisha Bahl, dyrektor ds. jakości obrazowania piersi w Massachusetts General Hospital i adiunkt w Harvard Medical School.
„Spadek tego wskaźnika sugeruje spadek zachorowalności i śmiertelności z powodu raka piersi”.

Badanie: Sztuczna inteligencja identyfikuje niewykryte guzy

W badaniu 1376 przypadków Bal i współpracownicy retrospektywnie przeanalizowali 224 nowotwory interwałowe u 224 kobiet poddanych badaniu przesiewowemu DBT. Na tych obrazach algorytm sztucznej inteligencji Lunit INSIGHT DBT v1.1.0.0 poprawnie zlokalizował 32,6% (73 z 224) wcześniej niewykrytych guzów.

„Byliśmy zaskoczeni, że algorytm sztucznej inteligencji wykrył i dokładnie zlokalizował prawie jedną trzecią guzów interwałowych na mammogramach, które wcześniej radiolodzy uznali za prawidłowe. Pokazuje to potencjał sztucznej inteligencji jako «drugiego czytnika»” – powiedział Bahl.

Zdaniem badaczy może to być pierwsze opublikowane badanie poświęcone wykorzystaniu sztucznej inteligencji do wykrywania nowotworów interwałowych na podstawie obrazów DBT.

„Sztuczna inteligencja była już wcześniej wykorzystywana do wykrywania nowotworów interwałowych na konwencjonalnych dwuwymiarowych mammografiach cyfrowych, ale według naszej wiedzy w literaturze nie opublikowano żadnych badań dotyczących wykrywania guzów interwałowych przy użyciu sztucznej inteligencji, szczególnie w przypadku skanów tomosyntezy 3D” – wyjaśnia Bal.

Metodologia: na poziomie uszkodzenia, a nie tylko na poziomie migawki

Aby nie przecenić czułości algorytmu, zespół Bala zastosował analizę specyficzną dla zmian: sztuczna inteligencja otrzymywała „punktowane trafienie” tylko wtedy, gdy poprawnie zidentyfikowała i zlokalizowała dokładną lokalizację guza.

„Z kolei analiza całego obrazu może dać sztucznej inteligencji 'zaliczenie', nawet jeśli adnotacja jest niepoprawna, co sztucznie zawyża czułość” – dodaje.
„Skupienie się na dokładności lokalizacji zmian chorobowych zapewnia bardziej wiarygodną ocenę klinicznej wydajności algorytmu”.

Co dokładnie znajduje sztuczna inteligencja?

• Guzy wykryte przez algorytm miały tendencję do bycia większymi
• Częściej kończyło się to uszkodzeniem węzłów chłonnych
• Może to oznaczać, że sztuczna inteligencja identyfikuje przede wszystkim agresywne lub szybko rosnące nowotwory albo takie, które są już w zaawansowanym stadium, ale zostały pominięte przez lekarzy podczas badań przesiewowych.

Wyniki ogólne:

Spośród 1000 pacjentów (obejmujących zarówno tych z potwierdzonymi nowotworami, jak i tych z łagodnymi lub fałszywie dodatnimi wynikami) AI:

• Prawidłowo zlokalizowano 84,4% z 334 prawdziwie pozytywnych przypadków
• Poprawnie sklasyfikowano 85,9% z 333 prawdziwie negatywnych wyników
• Odrzucono jako fałszywe 73,2% z 333 fałszywie pozytywnych przypadków

Wnioski i znaczenie

„Nasze badanie wykazało, że algorytm sztucznej inteligencji może retrospektywnie wykrywać i dokładnie lokalizować prawie jedną trzecią przypadków raka piersi w okresie interwałowym na podstawie obrazów uzyskanych w badaniu przesiewowym DBT, co wskazuje na jego potencjał w zakresie zmniejszenia częstości występowania raka w okresie interwałowym i poprawy wyników badań przesiewowych” – powiedział dr Bahl.

„Nasze wyniki potwierdzają integrację sztucznej inteligencji z procesami DBT w celu poprawy dokładności wykrywania nowotworów. Rzeczywisty wpływ będzie jednak zależał od stopnia, w jakim radiolodzy wdrożą i dostosują sztuczną inteligencję do praktyki klinicznej, a także od testowania jej skuteczności w różnych warunkach klinicznych”.