Mamografija vođena umjetnom inteligencijom smanjuje opterećenje za 33% i povećava otkrivanje raka dojke

U nedavnoj studiji objavljenoj u časopisu Radiology, istraživači iz Danske i Nizozemske proveli su retrospektivnu analizu učinkovitosti probira i ukupnog opterećenja mamografskim probirom prije i nakon uvođenja sustava umjetne inteligencije (AI).

Redoviti mamografski pregledi za rak dojke značajno smanjuju smrtnost od ove bolesti. Međutim, masovni mamografski pregledi povećavaju opterećenje radiologa koji moraju analizirati mnoge mamograme, od kojih većina ne sadrži sumnjive lezije.

Osim toga, dvostruki probir, koji se koristi za smanjenje lažno pozitivnih rezultata i poboljšanje otkrivanja, dodatno povećava opterećenje radiologa. Nedostatak specijaliziranih radiologa koji mogu čitati mamograme pogoršava ovu situaciju.

Nedavne studije opsežno su istraživale upotrebu umjetne inteligencije za učinkovitu analizu radioloških izvještaja uz održavanje visokih standarda probira. Smatra se da kombinirani pristup u kojem umjetna inteligencija pomaže radiolozima da istaknu mamograme s označenim lezijama smanjuje opterećenje radiologa uz održavanje osjetljivosti probira.

U ovoj studiji korištene su preliminarne mjere uspješnosti dviju kohorti žena koje su podvrgnute mamografskom pregledu kao dio danskog nacionalnog programa probira za rak dojke kako bi se usporedila promjena u opterećenju probirom i uspješnosti nakon uvođenja alata umjetne inteligencije.

Program je pozivao žene u dobi od 50 do 69 godina na probir svake dvije godine do 79. godine. Žene s markerima koji ukazuju na povećani rizik od raka dojke, poput gena BRCA, bile su pregledane prema različitim protokolima.

Istraživači su koristili dvije kohorte žena: jednu pregledanu prije uvođenja sustava umjetne inteligencije i jednu nakon toga. Analiza je uključivala samo žene mlađe od 70 godina kako bi se isključile one u podskupini visokog rizika.

Svi sudionici podvrgnuti su standardiziranim protokolima korištenjem digitalne mamografije s kraniokaudalnim i mediolateralnim kosim projekcijama. Svi pozitivni slučajevi u ovoj studiji identificirani su probirom na duktalni karcinom ili invazivni rak, što je potvrđeno biopsijom iglom. Podaci o patološkim izvješćima, veličini lezija, zahvaćenosti limfnih čvorova i dijagnozama također su dobiveni iz nacionalnog zdravstvenog registra.

Sustav umjetne inteligencije koji se koristi za analizu mamograma obučen je korištenjem modela dubokog učenja kako bi otkrio, istaknuo i ocijenio sve sumnjive kalcifikacije ili kvržice na mamogramu. Umjetna inteligencija zatim je klasificirala preglede na ljestvici od 1 do 10, što ukazuje na vjerojatnost raka dojke.

Tim uglavnom iskusnih radiologa pregledao je mamograme za obje kohorte. Prije uvođenja AI sustava, svaki probir pregledavala su dva radiologa, a pacijentu je preporučen klinički pregled i biopsija iglom samo ako su oba radiologa smatrala da probir zahtijeva daljnju procjenu.

Nakon što je implementiran sustav umjetne inteligencije, mamograme s ocjenom 5 ili manje pregledao je viši radiolog, znajući da će dobiti samo jedno očitanje. Oni koji su zahtijevali daljnji pregled raspravljeni su s drugim radiologom.

Studija je otkrila da je implementacija AI sustava značajno smanjila opterećenje radiologa koji analiziraju mamograme kao dio masovnog probira za rak dojke, a istovremeno poboljšala učinkovitost probira.

Kohorta pregledana prije implementacije AI sustava uključivala je preko 60 000 žena, dok je kohorta pregledana AI sustavom uključivala približno 58 000 žena. Probir AI rezultirao je povećanjem dijagnoza raka dojke (0,70% prije AI u odnosu na 0,82% s AI), a istovremeno je smanjen broj lažno pozitivnih rezultata (2,39% u odnosu na 1,63%).

Probir temeljen na umjetnoj inteligenciji imao je veću pozitivnu prediktivnu vrijednost, a postotak invazivnih karcinoma bio je niži kod metoda temeljenih na umjetnoj inteligenciji. Iako se postotak karcinoma negativnih na limfne čvorove nije promijenio, druge mjere učinkovitosti pokazale su da probir temeljen na umjetnoj inteligenciji značajno poboljšava ishode. Opterećenje čitanjem također je smanjeno za 33,5%.

Ukratko, studija je procijenila učinkovitost sustava probira temeljenog na umjetnoj inteligenciji u smanjenju opterećenja radiologa i poboljšanju stopa probira u analizi mamograma kao dijela masovnog probira raka dojke u Danskoj.

Rezultati su pokazali da je sustav temeljen na umjetnoj inteligenciji značajno smanjio opterećenje radiologa, a istovremeno poboljšao stope probira, što dokazuje značajan porast dijagnoza raka dojke i značajno smanjenje lažno pozitivnih rezultata.