Jak wynika z badania opublikowanego 8 lipca w czasopiśmie „Neurology”, stosowanie sztucznej inteligencji w połączeniu z uzupełniającym badaniem piersi metodą rezonansu magnetycznego jest około cztery razy skuteczniejsze w wykrywaniu raka piersi niż tradycyjne metody pomiaru gęstości piersi. Medycyna naturalna znaleziony.

Badacze pod przewodnictwem dr. Fredrika Stranda, PhD, z Karolinska Institute w Solna w Szwecji, odkryli w swojej analizie badania ScreenTrustMRI, że wykorzystanie opartego na sztucznej inteligencji wyniku do wybrania niewielkiej części kobiet do uzupełniającego MRI po negatywnej mammografii wykryło wiele przeoczonych nowotworów. Dodali, że dzięki temu koszt wykrytego nowotworu jest porównywalny z kosztami nowotworów wykrytych za pomocą mammografii przesiewowej.

„Odkryliśmy, że możliwe jest dokonanie bardzo precyzyjnego wyboru kobiet do uzupełniającego badania MRI na podstawie analizy AI negatywnych mammogramów przesiewowych” – powiedział Strand CiociaMinnieEurope.com.

Uzupełniający MRI jest metodą obrazowania stosowaną do oceny kobiet z gęstymi piersiami, których konwencjonalna mammografia nie jest w stanie przeanalizować. Jednak przydatność MRI piersi jest ograniczona, a badacze wskazują na ogólny brak wykwalifikowanego personelu MRI i wysokie koszty związane ze sprzętem MRI.

Zespół Strand przeprowadził randomizowane badanie kliniczne, ScreenTrustMRI, wykorzystując niedawno opracowane narzędzie AI do oceny każdej mammografii o nazwie AISmartDensity. AISmartDensity ma modułową strukturę z trzema modelami składowymi oceniającymi ukryte ryzyko, potencjalne maskowanie i podejrzane objawy raka. Naukowcy podkreślili, że jego głównym celem jest selekcja kobiet do uzupełniającego MRI po negatywnej mammografii przesiewowej.

W ramach badania zespół zaoferował udział w badaniu kobietom z ujemnym wynikiem mammografii przesiewowej i wysokim wynikiem AI (najwyższe 6,9%). Spośród 1211 uwzględnionych kobiet 559 zostało losowo przydzielonych do uzupełniającego badania MRI i ukończyło je, a 652 nie zostało przydzielonych do badania MRI.

(A) Przypadek A to 13-mm duży wynik BI-RADS 4 w MRI, który odpowiadał 13-mm dużemu inwazyjnemu rakowi zdiagnozowanemu w próbce chirurgicznej. (B) Przypadek B to 9-mm duży wynik BI-RADS 4 w MRI, który odpowiadał 8-mm inwazyjnemu rakowi i 14-mm rakowi przewodowemu in situ. (C) Przypadek C to trzy podejrzane zmiany na łącznej powierzchni 60 mm, wynik BI-RADS 5 w MRI, który odpowiadał 50-mm wieloogniskowemu inwazyjnemu rakowi zrazikowemu. (D) Przypadek D to dwie podejrzane zmiany, największa 13 mm, BI-RADS 3 w MRI, która odpowiadała 10-mm inwazyjnemu rakowi zrazikowemu o zasięgu 85 mm, w tym rakowi przewodowemu in situ. Zdjęcia dzięki uprzejmości Medycyna naturalna. Licencja CC BY 4.0.

Badanie wykazało, że u 36 kobiet wykryto zmiany nowotworowe, co odpowiada 64,4 rakom wykrytym na 1000 badań MRI. Tymczasem badanie Dense Tissue and Early Breast Neoplasm Screening (DENSE) wykazało wskaźnik wykrywania raka na poziomie 16,5 na 1000 badań MRI.

Również odsetek nowotworów wykrytych u kobiet, które zostały przypomniane po badaniu MRI (wartość predykcyjna dodatnia) [PPV1]) wynosiło 37,9%. U kobiet ocenionych jako BI-RADS 3, 4 i 5, PPV1 wynosiło odpowiednio 13%, 63% i 85,7%. Odsetek nowotworów wśród kobiet poddanych biopsji wynosił tymczasem 50,7%.

Mediana rozmiaru jedynej lub największej zmiany złośliwej mierzonej w MRI wynosiła 12 mm, a całkowity zakres złośliwości wahał się od 7 do 85 mm. W analizie histopatologicznej próbek chirurgicznych 22 (61%) stanowiły połączenie raka inwazyjnego i przewodowego in situ (DCIS), przy czym pięć było wyłącznie in situ.

Na koniec badacze podkreślili, że wykorzystanie AISmartDensity sprawiłoby, że koszt wykrywania raka byłby podobny do kosztu mammografii przesiewowej w całej populacji i przyczyniłby się do wcześniejszego wykrywania raka inwazyjnego. Przytoczyli badanie opłacalności, w którym oszacowano koszt na lata życia skorygowane o jakość (QALY) uzyskane dzięki uzupełniającemu MRI co trzy lata €37,181.

„Biorąc pod uwagę wysoką zapadalność na nowotwory i zróżnicowane cechy nowotworów w naszym badaniu, spodziewamy się, że wykrycie tych nowotworów teraz, a nie dwa lata później podczas kolejnego badania przesiewowego lub jako nowotwory interwałowe przedtem, będzie cenne” – powiedział Strand.

Autorzy badania napisali, że ocena tego podejścia jest planowana jako badanie post hoc czytelnika. Podkreślili również, że późniejsze badania następcze określą główne wyniki tego podejścia AI dotyczące prognostycznie ważnych cech raka.

Strand powiedział CiociaMinnieEurope.com że zespół zakłada spółkę spin-off, która będzie pracować nad uzyskaniem zgody regulacyjnej dla AISmartDensity.

Pełną treść badania można przeczytać tutaj.