Newswise — Jak wynika z badania przeprowadzonego przez naukowców z Washington University School of Medicine w St. Louis i Whiterabbit, wykorzystanie sztucznej inteligencji (AI) w celu uzupełnienia oceny mammografii dokonywanej przez radiologów może usprawnić badania przesiewowe w kierunku raka piersi poprzez zmniejszenie liczby wyników fałszywie dodatnich bez pomijania przypadków raka. ai, startup technologiczny z Doliny Krzemowej.

Naukowcy opracowali algorytm, który identyfikował prawidłowe mammogramy z bardzo dużą czułością. Następnie przeprowadzili symulację na danych pacjentów, aby zobaczyć, co by się stało, gdyby zdjęto z płytek radiologów wszystkie mammogramy bardzo niskiego ryzyka, co pozwoliło lekarzom skoncentrować się na bardziej wątpliwych skanach. Symulacja wykazała, że ​​mniej osób zostałoby wezwanych na dodatkowe badania, ale wykryto by tę samą liczbę przypadków raka.

„Fałszywie pozytywne wyniki mają miejsce wtedy, gdy oddzwonisz do pacjenta na dodatkowe badania, a okaże się, że jest ono łagodne” – wyjaśnił starszy autor Richard L. Wahl, lekarz medycyny, profesor radiologii w Instytucie Radiologii Mallinckrodt (MIR) na Uniwersytecie Waszyngtońskim i profesor onkologii radiologicznej. „To powoduje wiele niepotrzebnego niepokoju pacjentów i pochłania zasoby medyczne. To badanie symulacyjne wykazało, że sztuczna inteligencja może niezawodnie identyfikować mammografy bardzo niskiego ryzyka, co pozwala ograniczyć liczbę fałszywych alarmów i usprawnić przepływ pracy”.

Badanie opublikowano 10 kwietnia w czasopiśmie Radiology: Artificial Intelligence.

Wahl współpracowała wcześniej z Whiterabbit.ai nad algorytmem pomagającym radiologom w ocenie gęstości piersi na mammogramach w celu identyfikacji osób, które mogłyby odnieść korzyść z dodatkowych lub alternatywnych badań przesiewowych. Algorytm ten uzyskał zgodę Agencji ds. Żywności i Leków (FDA) w 2020 r. i obecnie jest sprzedawany przez Whiterabbit.ai jako WRDensity.

W tym badaniu Wahl i współpracownicy z Whiterabbit.ai pracowali wspólnie nad opracowaniem sposobu wykluczania raka za pomocą sztucznej inteligencji do oceny mammografii. Przeszkolili model sztucznej inteligencji na 123 248 cyfrowych mammogramach 2D (w tym 6161 wykazujących raka), które w dużej mierze zebrano i odczytano przez radiologów z Washington University. Następnie zweryfikowali i przetestowali model sztucznej inteligencji na trzech niezależnych zestawach mammogramów: dwóch z instytucji w USA i jednego w Wielkiej Brytanii.

Po pierwsze, badacze ustalili, co zrobili lekarze: ilu pacjentów zostało wezwanych z powrotem na wtórne badania przesiewowe i biopsje; wyniki tych testów; i ostateczne rozstrzygnięcie w każdym przypadku. Następnie zastosowali sztuczną inteligencję do zbiorów danych, aby sprawdzić, co by się zmieniło, gdyby we wstępnych ocenach zastosowano sztuczną inteligencję do usunięcia negatywnych mammografii, a lekarze postępowaliby zgodnie ze standardowymi procedurami diagnostycznymi, aby ocenić resztę.

Rozważmy na przykład największy zbiór danych, który zawierał 11 592 mammogramów. Po przeskalowaniu do 10 000 mammogramów (aby uprościć obliczenia na potrzeby symulacji), sztuczna inteligencja zidentyfikowała 34,9% wyników jako negatywne. Gdyby odsunąć od obciążenia pracą te 3485 negatywnych mammografii, radiolodzy wykonaliby 897 wezwań zwrotnych na badania diagnostyczne, co stanowi redukcję o 23,7% w porównaniu z 1159, które wykonali w rzeczywistości. Na następnym etapie 190 osób zostałoby wezwanych po raz drugi na biopsję, co oznacza redukcję o 6,9% w porównaniu z 200 w rzeczywistości. Na koniec procesu zarówno podejście wykluczające sztuczną inteligencję, jak i oparte na rzeczywistych standardach opieki zidentyfikowało tych samych 55 nowotworów. Innymi słowy, to badanie sztucznej inteligencji sugeruje, że spośród 10 000 osób, które przeszły wstępną mammografię, 262 mogłoby uniknąć badań diagnostycznych, a 10 mogłoby uniknąć biopsji, nie pomijając żadnego przypadku raka.

„Ostatecznie wierzymy w świat, w którym lekarz jest superbohaterem, który wykrywa raka i pomaga pacjentom w dalszej podróży” – powiedział współautor Jason Su, współzałożyciel i dyrektor ds. technologii w Whiterabbit.ai. „Systemy sztucznej inteligencji mogą pomóc, pełniąc rolę wspierającą. Dokładna ocena negatywów może pomóc w usunięciu siana ze stogu siana, dzięki czemu lekarze będą mogli łatwiej znaleźć igłę. To badanie pokazuje, że sztuczna inteligencja może potencjalnie być bardzo dokładna w identyfikowaniu negatywnych egzaminów. Co ważniejsze, wyniki pokazały, że automatyzacja wykrywania wyników negatywnych może również przynieść ogromne korzyści w postaci ograniczenia liczby wyników fałszywie dodatnich bez zmiany wskaźnika wykrywalności nowotworów”.

Pedemonte S, Tsue T, Mombourquette B, Vu YNT, Matthews T, Morales Hoil R, Shah M, Ghare N, Zingman-Daniels N, Holley S, Appleton CM, Su J, Wahl RL. Półautonomiczny system głębokiego uczenia się redukujący liczbę wyników fałszywie dodatnich w mammografii przesiewowej. Radiologia: sztuczna inteligencja. 10 kwietnia 2024 r. DOI: 10.1148/ryai.230033