Η τεχνητή νοημοσύνη ανιχνεύει το ένα τρίτο των περιπτώσεων καρκίνου του μαστού που δεν πραγματοποιούνται προληπτικοί έλεγχοι

Ένας αλγόριθμος τεχνητής νοημοσύνης για τον προληπτικό έλεγχο για καρκίνο του μαστού θα μπορούσε να βελτιώσει την απόδοση της ψηφιακής μαστογραφίας τομοσύνθεσης (DBT), μειώνοντας τα ποσοστά καρκίνου κατά διαστήματα έως και το ένα τρίτο, σύμφωνα με μελέτη που δημοσιεύθηκε σήμερα στο περιοδικό Radiology.

Οι καρκίνοι του μαστού που εμφανίζονται μεσοδιαστήματα είναι συμπτωματικοί όγκοι που διαγιγνώσκονται μεταξύ των ρουτινικών μαστογραφιών. Αυτές οι περιπτώσεις έχουν συνήθως χειρότερη πρόγνωση λόγω πιο επιθετικής νόσου και ταχείας ανάπτυξης του όγκου. Η DBT, ή τρισδιάστατη μαστογραφία, παρέχει βελτιωμένη απεικόνιση των αλλοιώσεων του μαστού και μπορεί να εντοπίσει όγκους που μπορεί να κρύβονται από πυκνό ιστό. Ωστόσο, επειδή η DBT είναι μια σχετικά νέα τεχνολογία, τα μακροπρόθεσμα δεδομένα αποτελεσμάτων για ασθενείς σε ιδρύματα που έχουν υιοθετήσει πρόσφατα την τεχνική παραμένουν περιορισμένα.

«Δεδομένης της έλλειψης δεδομένων θνησιμότητας από καρκίνο του μαστού πέραν των 10 ετών ελέγχου DBT, τα ποσοστά καρκίνου κατά διαστήματα χρησιμοποιούνται συχνά ως δείκτης», εξηγεί η συγγραφέας της μελέτης Δρ. Manisha Bahl, διευθύντρια ποιότητας απεικόνισης μαστού στο Γενικό Νοσοκομείο της Μασαχουσέτης και αναπληρώτρια καθηγήτρια στην Ιατρική Σχολή του Χάρβαρντ.
«Μια μείωση σε αυτό το ποσοστό υποδηλώνει μείωση της συχνότητας εμφάνισης και της θνησιμότητας από καρκίνο του μαστού».

Μελέτη: Η τεχνητή νοημοσύνη εντοπίζει μη ανιχνευμένους όγκους

Σε μια μελέτη 1.376 περιπτώσεων, ο Bal και οι συνεργάτες του ανέλυσαν αναδρομικά 224 καρκίνους διαστήματος σε 224 γυναίκες που υποβλήθηκαν σε έλεγχο DBT. Σε αυτές τις εικόνες, ο αλγόριθμος τεχνητής νοημοσύνης Lunit INSIGHT DBT v1.1.0.0 εντόπισε σωστά το 32,6% (73 από τους 224) προηγουμένως μη ανιχνευμένων όγκων.

«Μας εξέπληξε το γεγονός ότι σχεδόν το ένα τρίτο των όγκων μεσοδιαστήματος ανιχνεύθηκαν και εντοπίστηκαν με ακρίβεια από τον αλγόριθμο τεχνητής νοημοσύνης σε μαστογραφίες που προηγουμένως ερμηνεύονταν ως φυσιολογικές από ακτινολόγους, υπογραμμίζοντας τις δυνατότητες της τεχνητής νοημοσύνης ως «δεύτερου αναγνώστη»», δήλωσε ο Bahl.

Σύμφωνα με τους ερευνητές, αυτή μπορεί να είναι η πρώτη δημοσιευμένη μελέτη που εξετάζει ειδικά τη χρήση της τεχνητής νοημοσύνης για την ανίχνευση καρκίνων σε διαστήματα σε εικόνες DBT.

«Η Τεχνητή Νοημοσύνη έχει χρησιμοποιηθεί στο παρελθόν για την ανίχνευση καρκίνων μεσοδιαστήματος σε συμβατικές δισδιάστατες ψηφιακές μαστογραφίες, αλλά από όσο γνωρίζουμε, δεν έχουν δημοσιευτεί μελέτες στη βιβλιογραφία σχετικά με την ανίχνευση όγκων μεσοδιαστήματος με τεχνητή νοημοσύνη, ειδικά σε τρισδιάστατες τομοσύνθεσης», εξήγησε ο Bal.

Μεθοδολογία: σε επίπεδο βλάβης, όχι απλώς ένα στιγμιότυπο

Για να αποφευχθεί η υπερεκτίμηση της ευαισθησίας του αλγορίθμου, η ομάδα του Bal χρησιμοποίησε μια ανάλυση ειδική για τη βλάβη: η τεχνητή νοημοσύνη λάμβανε ένα «βαθμολογημένο χτύπημα» μόνο εάν αναγνώριζε και εντόπισε σωστά την ακριβή θέση του όγκου.

«Αντίθετα, η ανάλυση ολόκληρης της εικόνας μπορεί να δώσει στην τεχνητή νοημοσύνη ένα «πέρασμα» ακόμη και αν η σχολίαση είναι λανθασμένη, γεγονός που διογκώνει τεχνητά την ευαισθησία», προσθέτει.
«Η εστίαση στην ακρίβεια του εντοπισμού της βλάβης παρέχει μια πιο αξιόπιστη αξιολόγηση της κλινικής απόδοσης του αλγορίθμου».

Τι ακριβώς βρίσκει η Τεχνητή Νοημοσύνη;

• Οι όγκοι που ανιχνεύθηκαν από τον αλγόριθμο έτειναν να είναι μεγαλύτεροι
• Συχνότερα κατέληγαν σε βλάβη των λεμφαδένων
• Αυτό θα μπορούσε να σημαίνει ότι η Τεχνητή Νοημοσύνη εντοπίζει κυρίως επιθετικούς ή ταχέως αναπτυσσόμενους όγκους ή εκείνους που βρίσκονταν ήδη σε προχωρημένο στάδιο, αλλά δεν εντοπίστηκαν από τους γιατρούς κατά τον έλεγχο.

Συνολικά αποτελέσματα:

Μεταξύ 1.000 ασθενών (συμπεριλαμβανομένων τόσο εκείνων με επιβεβαιωμένους όγκους όσο και εκείνων με καλοήθη ή ψευδώς θετικά αποτελέσματα), η AI:

• Σωστά εντοπισμένο 84,4% από 334 πραγματικά θετικά κρούσματα
• Σωστά ταξινομημένο 85,9% από 333 αληθώς αρνητικά αποτελέσματα
• Απορρίφθηκαν ως ψευδή το 73,2% από 333 ψευδώς θετικά κρούσματα

Συμπεράσματα και σημασία

«Η μελέτη μας έδειξε ότι ο αλγόριθμος τεχνητής νοημοσύνης θα μπορούσε να ανιχνεύσει αναδρομικά και να εντοπίσει με ακρίβεια σχεδόν το ένα τρίτο των καρκίνων του μαστού μεσοδιαστήματος σε εικόνες διαλογής DBT, υποδεικνύοντας τη δυνατότητά του να μειώσει τη συχνότητα εμφάνισης καρκίνων μεσοδιαστήματος και να βελτιώσει τα αποτελέσματα του διαλογής», δήλωσε ο Δρ. Bahl.

«Τα αποτελέσματά μας υποστηρίζουν την ενσωμάτωση της Τεχνητής Νοημοσύνης (ΤΝ) στις ροές εργασίας της DBT για τη βελτίωση της ακρίβειας της ανίχνευσης του καρκίνου. Ωστόσο, ο πραγματικός αντίκτυπος θα εξαρτηθεί από τον βαθμό στον οποίο οι ακτινολόγοι υιοθετούν και προσαρμόζουν την ΤΝ στην κλινική πράξη, καθώς και από τον έλεγχο της αποτελεσματικότητάς της σε διαφορετικά κλινικά περιβάλλοντα».