Umetna inteligenca odkrije tretjino primerov raka dojke v intervalih, ki jih presejalni testi spregledajo

Algoritem umetne inteligence za presejalne preglede za raka dojk bi lahko izboljšal delovanje digitalne tomosintezne mamografije (DBT) in zmanjšal intervalne stopnje raka za do tretjino, v skladu s študijo, objavljeno danes v reviji Radiology.

Intervalni rak dojke so simptomatski tumorji, diagnosticirani med rutinskimi presejalnimi mamografi. Ti primeri imajo običajno slabšo prognozo zaradi agresivnejše bolezni in hitre rasti tumorja. DBT ali 3D mamografija omogoča boljšo vizualizacijo lezij v dojkah in lahko prepozna tumorje, ki so morda skriti za gostim tkivom. Ker pa je DBT relativno nova tehnologija, so dolgoročni podatki o izidih za pacientke v ustanovah, ki so to tehniko nedavno uvedle, še vedno omejeni.

»Glede na pomanjkanje podatkov o umrljivosti zaradi raka dojke po 10 letih presejalnih testov DBT se intervalne stopnje raka pogosto uporabljajo kot približek,« pojasnjuje avtorica študije dr. Manisha Bahl, direktorica za kakovost slikanja dojk v Splošni bolnišnici Massachusetts in izredna profesorica na Medicinski fakulteti Harvard.
»Zmanjšanje te stopnje kaže na zmanjšanje incidence in umrljivosti zaradi raka dojke.«

Študija: Umetna inteligenca prepozna neodkrite tumorje

V študiji 1376 primerov so Bal in sodelavci retrospektivno analizirali 224 intervalnih rakov pri 224 ženskah, ki so bile podvržene presejalnemu testu DBT. Na teh slikah je algoritem Lunit INSIGHT DBT v1.1.0.0 AI pravilno lokaliziral 32,6 % (73 od 224) prej neodkritih tumorjev.

»Presenečeni smo bili, da je algoritem umetne inteligence na mamogramih, ki so jih radiologi prej interpretirali kot normalne, odkril in natančno lokaliziral skoraj tretjino intervalnih tumorjev, kar poudarja potencial umetne inteligence kot 'drugega bralnika',« je dejal Bahl.

Po mnenju raziskovalcev je to morda prva objavljena študija, ki se posebej osredotoča na uporabo umetne inteligence za odkrivanje intervalnih rakov na slikah DBT.

»Umetna inteligenca se je že prej uporabljala za odkrivanje intervalnih rakov na običajnih 2D digitalnih mamogramih, vendar po našem vedenju v literaturi ni objavljenih študij o odkrivanju intervalnih tumorjev z umetno inteligenco posebej na 3D tomosintetskih pregledih,« je pojasnil Bal.

Metodologija: na ravni lezije, ne le posnetek

Da bi se izognili precenjevanju občutljivosti algoritma, je Balova ekipa uporabila analizo, specifično za lezijo: umetna inteligenca je dobila "zadetek" le, če je pravilno identificirala in lokalizirala natančno lokacijo tumorja.

»Nasprotno pa lahko analiza celotne slike da umetni inteligenci 'odločno' oceno, tudi če je opomba napačna, kar umetno poveča občutljivost,« dodaja.
»Osredotočenost na natančnost lokalizacije lezij zagotavlja zanesljivejšo oceno klinične učinkovitosti algoritma.«

Kaj točno najde umetna inteligenca?

• Tumorji, ki jih je algoritem odkril, so bili običajno večji
• Pogosteje so končali s poškodbo bezgavk
• To bi lahko pomenilo, da umetna inteligenca v prvi vrsti prepozna agresivne ali hitro rastoče tumorje ali tiste, ki so že bili v napredovali fazi, a so jih zdravniki med presejalnim pregledom spregledali.

Skupni rezultati:

Med 1000 bolniki (vključno s tistimi s potrjenimi tumorji in tistimi z benignimi ali lažno pozitivnimi rezultati) je AI:

• Pravilno lokaliziranih 84,4 % od 334 resnično pozitivnih primerov
• Pravilno razvrščenih 85,9 % od 333 resnično negativnih rezultatov
• Zavrnjeno kot lažno 73,2 % od 333 lažno pozitivnih primerov

Zaključki in pomen

»Naša študija je pokazala, da lahko algoritem umetne inteligence retrospektivno odkrije in natančno lokalizira skoraj tretjino intervalnih rakov dojk na slikah DBT presejanja, kar kaže na njegov potencial za zmanjšanje pojavnosti intervalnih rakov in izboljšanje rezultatov presejanja,« je dejal dr. Bahl.

"Naši rezultati podpirajo integracijo umetne inteligence v delovne procese DBT za izboljšanje natančnosti odkrivanja raka. Vendar pa bo dejanski vpliv odvisen od tega, v kolikšni meri bodo radiologi sprejeli in prilagodili umetno inteligenco v klinični praksi, pa tudi od testiranja njene učinkovitosti v različnih kliničnih okoljih."