Η μαστογραφία καθοδηγούμενη από AI μειώνει τον φόρτο εργασίας κατά 33% και αυξάνει την ανίχνευση καρκίνου του μαστού
Τελευταία επισκόπηση: 14.06.2024
Όλα τα περιεχόμενα του iLive ελέγχονται ιατρικά ή ελέγχονται για να διασφαλιστεί η όσο το δυνατόν ακριβέστερη ακρίβεια.
Έχουμε αυστηρές κατευθυντήριες γραμμές προμήθειας και συνδέουμε μόνο με αξιόπιστους δικτυακούς τόπους πολυμέσων, ακαδημαϊκά ερευνητικά ιδρύματα και, όπου είναι δυνατόν, ιατρικά επισκοπικά μελέτες. Σημειώστε ότι οι αριθμοί στις παρενθέσεις ([1], [2], κλπ.) Είναι σύνδεσμοι με τις οποίες μπορείτε να κάνετε κλικ σε αυτές τις μελέτες.
Εάν πιστεύετε ότι κάποιο από το περιεχόμενό μας είναι ανακριβές, παρωχημένο ή αμφισβητήσιμο, παρακαλώ επιλέξτε το και πατήστε Ctrl + Enter.
Σε μια πρόσφατη μελέτη που δημοσιεύτηκε στο Radiology, ερευνητές από τη Δανία και την Ολλανδία διεξήγαγαν μια αναδρομική ανάλυση της αποτελεσματικότητας του προσυμπτωματικού ελέγχου και της συνολικής επιβάρυνσης του μαστογραφικού ελέγχου πριν και μετά την εισαγωγή συστημάτων τεχνητής νοημοσύνης (AI).
Ο τακτικός μαστογραφικός έλεγχος για καρκίνο του μαστού μειώνει σημαντικά τη θνησιμότητα από τη νόσο. Ωστόσο, ο μαζικός έλεγχος μαστογραφίας αυξάνει τον φόρτο εργασίας των ακτινολόγων που πρέπει να εξετάσουν πολλές μαστογραφίες, οι περισσότερες από τις οποίες δεν περιέχουν ύποπτες βλάβες.
Επιπλέον, ο διπλός έλεγχος, ο οποίος χρησιμοποιείται για τη μείωση των ψευδώς θετικών και τη βελτίωση της ανίχνευσης, αυξάνει περαιτέρω τον φόρτο εργασίας των ακτινολόγων. Η έλλειψη εξειδικευμένων ακτινολόγων που να μπορούν να διαβάζουν μαστογραφίες επιδεινώνει αυτήν την κατάσταση.
Πρόσφατες μελέτες έχουν διερευνήσει εκτενώς τη χρήση της τεχνητής νοημοσύνης για την αποτελεσματική ανάλυση των αναφορών ακτινολογίας, διατηρώντας παράλληλα υψηλά πρότυπα προσυμπτωματικού ελέγχου. Η συνδυασμένη προσέγγιση, στην οποία η τεχνητή νοημοσύνη βοηθά τους ακτινολόγους να επισημαίνουν μαστογραφίες με σημαίες αλλοιώσεις, πιστεύεται ότι μειώνει τον φόρτο εργασίας των ακτινολόγων διατηρώντας παράλληλα την ευαισθησία του προληπτικού ελέγχου.
Η τρέχουσα μελέτη χρησιμοποίησε προκαταρκτικές μετρήσεις απόδοσης από δύο ομάδες γυναικών που υποβλήθηκαν σε μαστογραφικό έλεγχο ως μέρος του Εθνικού Προγράμματος Προσυμπτωματικού Προσυμπτωματικού Ελέγχου για τον Καρκίνο του Μαστού της Δανίας για να συγκρίνει την αλλαγή στο φόρτο εργασίας και την απόδοση του προσυμπτωματικού ελέγχου μετά την εισαγωγή των εργαλείων τεχνητής νοημοσύνης.
Το πρόγραμμα προσκαλούσε γυναίκες ηλικίας 50 έως 69 ετών να ελέγχονται κάθε δύο χρόνια μέχρι την ηλικία των 79 ετών. Γυναίκες με δείκτες που υποδεικνύουν αυξημένο κίνδυνο καρκίνου του μαστού, όπως τα γονίδια BRCA, ελέγχθηκαν χρησιμοποιώντας διαφορετικά πρωτόκολλα.
Οι ερευνητές χρησιμοποίησαν δύο ομάδες γυναικών: μία εξετάστηκε πριν και μία μετά την εισαγωγή του συστήματος AI. Μόνο γυναίκες κάτω των 70 ετών συμπεριλήφθηκαν στην ανάλυση για να αποκλειστούν εκείνες που ανήκουν στην υποομάδα υψηλού κινδύνου.
Όλοι οι συμμετέχοντες υποβλήθηκαν σε τυπικά πρωτόκολλα χρησιμοποιώντας ψηφιακούς μαστογράφους με κρανιοκεφαλική και μεσοπλάγια πλάγια όψη. Όλα τα θετικά περιστατικά σε αυτή τη μελέτη εντοπίστηκαν με προσυμπτωματικό έλεγχο για καρκίνωμα του πόρου ή διηθητικό καρκίνο, τα οποία επιβεβαιώθηκαν με βιοψία με βελόνα. Από το εθνικό μητρώο υγείας λήφθηκαν επίσης δεδομένα σχετικά με παθολογικές αναφορές, το μέγεθος της βλάβης, τη συμμετοχή των λεμφαδένων και τις διαγνώσεις.
Το σύστημα τεχνητής νοημοσύνης που χρησιμοποιήθηκε για την ανάλυση μαστογραφιών εκπαιδεύτηκε χρησιμοποιώντας μοντέλα βαθιάς μάθησης για την ανίχνευση, την ανάδειξη και τη βαθμολογία τυχόν ύποπτων ασβεστώσεων ή αλλοιώσεων σε μια μαστογραφία. Στη συνέχεια, η τεχνητή νοημοσύνη κατέταξε τις προβολές σε μια κλίμακα από το 1 έως το 10, υποδεικνύοντας την πιθανότητα καρκίνου του μαστού.
Μια ομάδα κυρίως έμπειρων ακτινολόγων εξέτασε μαστογραφίες και για τις δύο κοόρτες. Πριν από την εφαρμογή του συστήματος τεχνητής νοημοσύνης, κάθε έλεγχος ελεγχόταν από δύο ακτινολόγους και ο ασθενής προτάθηκε για κλινική εξέταση και βιοψία με βελόνα μόνο εάν και οι δύο ακτινολόγοι θεωρούσαν ότι ο έλεγχος απαιτεί περαιτέρω αξιολόγηση.
Μετά την εφαρμογή του συστήματος AI, μαστογραφίες με βαθμολογία μικρότερη ή ίση με 5 εξετάστηκαν από ανώτερο ακτινολόγο, γνωρίζοντας ότι έλαβαν μόνο μία ανάγνωση. Αυτά που χρειάζονταν περαιτέρω εξέταση συζητήθηκαν με έναν δεύτερο ακτινολόγο.
Η μελέτη διαπίστωσε ότι η εφαρμογή του συστήματος AI μείωσε σημαντικά τον φόρτο εργασίας των ακτινολόγων που αναλύουν μαστογραφίες ως μέρος του μαζικού προσυμπτωματικού ελέγχου καρκίνου του μαστού, βελτιώνοντας παράλληλα την αποτελεσματικότητα του προσυμπτωματικού ελέγχου.
Η κοόρτη που ελέγχθηκε πριν από την εφαρμογή του συστήματος τεχνητής νοημοσύνης αποτελούνταν από περισσότερες από 60.000 γυναίκες, ενώ η κοόρτη που εξετάστηκε με χρήση τεχνητής νοημοσύνης ήταν περίπου 58.000 γυναίκες. Ο προσυμπτωματικός έλεγχος με ΑΙ οδήγησε σε αύξηση των διαγνώσεων καρκίνου του μαστού (0,70% προ-AI έναντι 0,82% με AI) ενώ μείωσε τον αριθμό των ψευδώς θετικών (2,39% έναντι 1,63%).
Ο προσυμπτωματικός έλεγχος με βάση την τεχνητή νοημοσύνη είχε υψηλότερη θετική προγνωστική αξία και το ποσοστό των διηθητικών καρκίνων ήταν χαμηλότερο με μεθόδους που βασίζονται στην ΑΙ. Αν και το ποσοστό των καρκίνων με αρνητικούς κόμβους δεν άλλαξε, άλλα μέτρα απόδοσης έδειξαν ότι ο προσυμπτωματικός έλεγχος με βάση την τεχνητή νοημοσύνη βελτίωσε σημαντικά τα αποτελέσματα. Το φορτίο ανάγνωσης μειώθηκε επίσης κατά 33,5%.
Επομένως, η μελέτη αξιολόγησε την αποτελεσματικότητα ενός συστήματος προσυμπτωματικού ελέγχου που βασίζεται σε τεχνητή νοημοσύνη στη μείωση του φόρτου εργασίας των ακτινολόγων και στη βελτίωση των ποσοστών προσυμπτωματικού ελέγχου των μαστογραφιών ως μέρος του μαζικού προσυμπτωματικού ελέγχου καρκίνου του μαστού στη Δανία.
Τα αποτελέσματα έδειξαν ότι το σύστημα που βασίζεται στην τεχνητή νοημοσύνη μείωσε σημαντικά τον φόρτο εργασίας των ακτινολόγων, ενώ βελτίωσε τα ποσοστά προσυμπτωματικού ελέγχου, όπως αποδεικνύεται από τη σημαντική αύξηση των διαγνώσεων καρκίνου του μαστού και τη σημαντική μείωση των ψευδώς θετικών.