Mamografija z umetno inteligenco zmanjšuje delovno obremenitev za 33 % in povečuje odkrivanje raka dojk

V nedavni študiji, objavljeni v reviji Radiology, so raziskovalci iz Danske in Nizozemske izvedli retrospektivno analizo učinkovitosti presejalnih pregledov in celotnega bremena mamografskih presejalnih pregledov pred in po uvedbi sistemov umetne inteligence (UI).

Redni mamografski pregledi za odkrivanje raka dojke znatno zmanjšajo umrljivost zaradi te bolezni. Vendar pa množični mamografski pregledi povečajo delovno obremenitev radiologov, ki morajo analizirati številne mamograme, od katerih večina ne vsebuje sumljivih lezij.

Poleg tega dvojno presejanje, ki se uporablja za zmanjšanje lažno pozitivnih rezultatov in izboljšanje odkrivanja, še poveča delovno obremenitev radiologov. Pomanjkanje specializiranih radiologov, ki znajo brati mamograme, to stanje še poslabša.

Nedavne študije so obsežno raziskale uporabo umetne inteligence za učinkovito analizo radioloških poročil ob hkratnem ohranjanju visokih standardov presejanja. Kombiniran pristop, pri katerem umetna inteligenca pomaga radiologom označiti mamograme z označenimi lezijami, naj bi zmanjšal delovno obremenitev radiologov, hkrati pa ohranil občutljivost presejanja.

V tej študiji so bile uporabljene predhodne meritve uspešnosti dveh kohort žensk, ki so bile v okviru danskega nacionalnega programa presejanja raka dojk deležne mamografije, da bi primerjali spremembo obremenitve presejanja in uspešnosti po uvedbi orodij umetne inteligence.

Program je ženske, stare od 50 do 69 let, povabil na presejalni pregled vsaki dve leti do 79. leta starosti. Ženske z markerji, ki kažejo na povečano tveganje za raka dojke, kot so geni BRCA, so bile pregledane po različnih protokolih.

Raziskovalci so uporabili dve kohorti žensk: eno so pregledali pred uvedbo sistema umetne inteligence in drugo po njej. Analiza je vključevala le ženske, mlajše od 70 let, da bi izključili tiste v podskupini z visokim tveganjem.

Vsi udeleženci so bili podvrženi standardiziranim protokolom z uporabo digitalne mamografije s kraniokavdalnim in mediolateralnim poševnim posnetkom. Vsi pozitivni primeri v tej študiji so bili ugotovljeni s presejalnim pregledom za duktalni karcinom ali invazivni rak, kar je bilo potrjeno z igelno biopsijo. Podatki o patoloških poročilih, velikosti lezij, prizadetosti bezgavk in diagnozah so bili pridobljeni tudi iz nacionalnega zdravstvenega registra.

Sistem umetne inteligence, ki se uporablja za analizo mamogramov, je bil usposobljen z modeli globokega učenja za odkrivanje, označevanje in ocenjevanje morebitnih sumljivih kalcifikacij ali grudic na mamogramu. Umetna inteligenca je nato razvrstila presejalne posnetke na lestvici od 1 do 10, kar kaže na verjetnost raka dojke.

Ekipa večinoma izkušenih radiologov je pregledala mamograme obeh kohort. Pred sistemom umetne inteligence sta vsak presejalni pregled pregledala dva radiologa, pacientu pa je bil klinični pregled in igelna biopsija priporočena le, če sta oba radiologa menila, da presejalni pregled zahteva nadaljnjo oceno.

Po uvedbi sistema umetne inteligence je mamograme z oceno 5 ali manj pregledal višji radiolog, saj je vedel, da bodo prejeli le eno odčitavanje. Tiste, ki so zahtevale nadaljnji pregled, so bile obravnavane z drugim radiologom.

Študija je pokazala, da je uvedba sistema umetne inteligence znatno zmanjšala delovno obremenitev radiologov, ki analizirajo mamograme kot del množičnega presejanja raka dojk, hkrati pa izboljšala učinkovitost presejanja.

Kohorta, pregledana pred uvedbo sistema umetne inteligence, je vključevala več kot 60.000 žensk, medtem ko je kohorta, pregledana z umetno inteligenco, vključevala približno 58.000 žensk. Presejalni testi z umetno inteligenco so povečali število diagnoz raka dojke (0,70 % pred umetno inteligenco v primerjavi z 0,82 % z umetno inteligenco), hkrati pa zmanjšali število lažno pozitivnih rezultatov (2,39 % v primerjavi z 1,63 %).

Presejalni testi na podlagi umetne inteligence so imeli višjo pozitivno napovedno vrednost, odstotek invazivnih rakov pa je bil pri metodah, ki temeljijo na umetni inteligenci, nižji. Čeprav se odstotek rakov z negativnimi bezgavkami ni spremenil, so drugi ukrepi uspešnosti pokazali, da je presejalni test na podlagi umetne inteligence znatno izboljšal izide. Bralna obremenitev se je prav tako zmanjšala za 33,5 %.

Skratka, študija je ocenila učinkovitost presejalnega sistema, ki temelji na umetni inteligenci, pri zmanjševanju delovne obremenitve radiologov in izboljšanju stopenj presejanja pri analizi mamogramov kot del množičnega presejanja raka dojk na Danskem.

Rezultati so pokazali, da je sistem, ki temelji na umetni inteligenci, znatno zmanjšal delovno obremenitev radiologov, hkrati pa izboljšal stopnje presejalnih pregledov, kar dokazuje znatno povečanje diagnoz raka dojke in znatno zmanjšanje lažno pozitivnih rezultatov.