Rak piersi stanowi istotny problem zdrowotny na świecie i jest najczęstszym nowotworem złośliwym wśród kobiet na całym świecie. Co roku z powodu raka piersi umiera około pół miliona kobiet. W 2020 r. na całym świecie u 2,3 ​​miliona kobiet zdiagnozowano raka piersi i 685 000 zgonów. W ciągu ostatnich trzydziestu lat wiele randomizowanych badań klinicznych potwierdziło koncepcję wykonywania badań przesiewowych w kierunku raka piersi za pomocą mammografii.

W różnych krajach przyjęto różne podejścia do badań przesiewowych w kierunku raka piersi za pomocą mammografii. W Stanach Zjednoczonych kobiety mogą same rozpocząć badanie przesiewowe lub zostać skierowane przez swoich pracowników służby zdrowia do wyspecjalizowanych ośrodków badań przesiewowych piersi. Wiele europejskich ośrodków badań przesiewowych stosuje charakterystyczną praktykę, w ramach której dwóch radiologów lub oceniających niezależnie ocenia przypadki.

Wyzwania związane z obecnymi metodami przesiewowymi podkreślają natychmiastową potrzebę kreatywnych rozwiązań. Konieczność ta pojawia się wtedy, gdy sztuczna inteligencja (AI) okazuje się istotnym czynnikiem, potencjalnie zmieniającym wykrywanie i diagnozowanie raka piersi. Zdolność sztucznej inteligencji do analizowania rozległych i skomplikowanych zbiorów danych przewyższa możliwości człowieka, potencjalnie rozpoznając subtelne wzorce sugerujące wczesny etap raka, które w przeciwnym razie mogłyby pozostać niezauważone przez ludzkich obserwatorów.

Dokładne wykrywanie raka piersi

Niedawno Rentiya ZS, Mandal S i Inban P opublikowali artykuł na temat „Rewolucyjnego wykrywania raka piersi za pomocą sztucznej inteligencji w radiologii i radioonkologii”. W artykule zbadano obecny krajobraz sztucznej inteligencji w radiologii, który obejmuje wiele systemów i podejść, z których każde ma swoją unikalną metodologię i wyniki. Różnorodność ta, choć świadczy o innowacyjności tej dziedziny, stwarza poważne wyzwania w integracji klinicznej. Według badania istnieje pilna potrzeba standaryzacji sposobu, w jaki systemy sztucznej inteligencji przetwarzają dane i zgłaszają ustalenia, aby zapewnić spójność, niezawodność i możliwość interpretacji na różnych platformach i w warunkach klinicznych.

Algorytmy splotowe do badań przesiewowych w kierunku raka piersi muszą szukać zmian w tkankach miękkich i zwapnień. Muszą być trenowane inaczej niż zwykłe algorytmy splotu. Początkowo, w momencie wprowadzenia, algorytm splotowy był trenowany oddzielnie na dwóch różnych zbiorach danych (uszkodzenia tkanek miękkich i zwapnienia), a później został połączony.

Korzystanie ze sztucznej inteligencji

Sztuczną inteligencję można stosować w leczeniu raka piersi poprzez leczenie chirurgiczne, radioterapię onkologiczną i onkologię medyczną.

Zastosowanie sztucznej inteligencji w chirurgii piersi oferuje znaczny potencjał, co skłania chirurgów do ciągłego śledzenia postępów w celu udoskonalenia metod klinicznych, poprawiając w ten sposób wyniki leczenia pacjentów. Narzędzia sztucznej inteligencji, takie jak chatboty, wykazały przekonujące wyniki przed, w trakcie i po operacji rekonstrukcji piersi. Włączenie sztucznej inteligencji do tych operacji może odegrać znaczącą rolę w kompleksowym podejściu do leczenia raka piersi, skupiającym się na przywróceniu obrazu ciała pacjentki i poprawie jakości życia po operacjach takich jak mastektomia i wycięcie guza. Potencjał sztucznej inteligencji w badaniach przesiewowych w kierunku raka piersi może znacznie zmniejszyć liczbę błędów i obciążenie pracą lekarzy.

Sztuczna inteligencja może wspierać radiologów, pomagając w przygotowaniu radioterapii, wykorzystując dane z różnych źródeł, takie jak obrazy, algorytmy leczenia i parametry dawka-objętość, wzmacniając ten kluczowy aspekt leczenia raka piersi. Jak wspomniano powyżej, algorytmy AI pomagają w interpretacji mammografii, zapewniając w ten sposób większą dokładność w identyfikacji zmian. Co więcej, sztuczna inteligencja może również pomóc w przewidywaniu odpowiedzi na leczenie, pomagając klinicystom w opracowywaniu spersonalizowanych planów terapii w oparciu o indywidualne cechy pacjenta i zachowanie nowotworu.

Badanie Dodingtona i in. wykorzystali sztuczną inteligencję do analizy cech jądrowych w biopsjach raka piersi w celu przewidywania odpowiedzi na chemioterapię neoadjuwantową. Chemioterapię neoadjuwantową podaje się zazwyczaj przed operacją w celu zmniejszenia guza. Przewidywanie reakcji pacjenta na to leczenie ma kluczowe znaczenie, ponieważ pomaga lekarzom personalizować terapię i poprawiać wyniki.

Przyszłość mammografii i sztucznej inteligencji

Chociaż mammografia cyfrowa jest korzystna w badaniach przesiewowych w kierunku raka piersi, istnieją ograniczenia w jej stosowaniu. Należą do nich: nadmierne rozpoznawanie, nadmierne leczenie i odsetek wyników fałszywie dodatnich, co wiąże się z konsekwencjami psychologicznymi i niepotrzebnymi kosztami oraz biopsjami. Potencjalnym obszarem zainteresowania rozwojem sztucznej inteligencji w wykrywaniu raka piersi, który wymaga dalszych prac, są wskaźniki mammograficznej oceny ryzyka.

Radiolog i system sztucznej inteligencji mogą przeoczyć taką samą liczbę przypadków w populacji objętej badaniami przesiewowymi w kierunku raka piersi. To, czy stanowi to poważny problem, zależy od rodzaju raka piersi wykrytego i przeoczonego przez obie strony. Aby ustalić długoterminowe skutki, konieczna jest dalsza ocena. Ponadto ujęcie kwestii odpowiedzialności z prawnego punktu widzenia wymaga wdrożenia protokołów kontroli jakości algorytmów AI oraz regularnych audytów działania prowadzonych przez radiologów.