Nakikita ng AI ang ikatlong bahagi ng mga kaso ng kanser sa suso sa pagitan ng hindi nakuha sa pamamagitan ng screening

Ang isang algorithm ng artipisyal na katalinuhan para sa screening ng kanser sa suso ay maaaring mapabuti ang pagganap ng digital tomosynthesis mammography (DBT), na binabawasan ang mga rate ng kanser sa pagitan ng hanggang sa isang-katlo, ayon sa isang pag-aaral na inilathala ngayon sa journal Radiology.

Ang mga interval na kanser sa suso ay mga sintomas na tumor na nasuri sa pagitan ng mga regular na screening mammogram. Ang mga kasong ito ay karaniwang may mas masahol na pagbabala dahil sa mas agresibong sakit at mabilis na paglaki ng tumor. Ang DBT, o 3D mammography, ay nagbibigay ng pinahusay na visualization ng mga sugat sa suso at maaaring makilala ang mga tumor na maaaring itago ng siksik na tissue. Gayunpaman, dahil medyo bagong teknolohiya ang DBT, nananatiling limitado ang pangmatagalang data ng kinalabasan para sa mga pasyente sa mga institusyong kamakailang gumamit ng pamamaraan.

"Dahil sa kakulangan ng data ng dami ng namamatay sa kanser sa suso na lampas sa 10 taon ng screening ng DBT, kadalasang ginagamit ang mga interval cancer rate bilang proxy," paliwanag ng may-akda ng pag-aaral na si Dr. Manisha Bahl, direktor ng kalidad ng breast imaging sa Massachusetts General Hospital at isang associate professor sa Harvard Medical School.
"Ang pagbaba sa rate na ito ay nagpapahiwatig ng pagbaba sa saklaw ng kanser sa suso at dami ng namamatay."

Pag-aaral: Tinutukoy ng AI ang mga hindi natukoy na tumor

Sa isang pag-aaral ng 1,376 na kaso, sinuri ni Bal at ng mga kasamahan ang 224 na interval cancer sa 224 na kababaihan na sumailalim sa screening ng DBT. Sa mga larawang ito, wastong na-localize ng Lunit INSIGHT DBT v1.1.0.0 AI algorithm ang 32.6% (73 ng 224) ng mga hindi natukoy na tumor dati.

"Kami ay nagulat na halos isang katlo ng mga interval tumor ay nakita at tumpak na naisalokal ng AI algorithm sa mga mammogram na dating binibigyang kahulugan bilang normal ng mga radiologist, na nagha-highlight sa potensyal ng AI bilang isang 'pangalawang mambabasa,'" sabi ni Bahl.

Ayon sa mga mananaliksik, maaaring ito ang unang nai-publish na pag-aaral partikular na tumitingin sa paggamit ng AI upang makita ang mga kanser sa pagitan sa mga larawan ng DBT.

"Ang AI ay ginamit dati upang makita ang mga kanser sa pagitan sa mga maginoo na 2D digital mammograms, ngunit sa aming kaalaman, walang nai-publish na mga pag-aaral sa panitikan sa AI detection ng mga interval tumor partikular sa 3D tomosynthesis scan," paliwanag ni Bal.

Pamamaraan: sa antas ng sugat, hindi lamang isang snapshot

Upang maiwasan ang labis na pagtatantya sa sensitivity ng algorithm, gumamit ang koponan ni Bal ng pagsusuring partikular sa lesyon: ang AI ay binigyan lamang ng "namarkahang hit" kung ito ay natukoy nang tama at na-localize ang eksaktong lokasyon ng tumor.

"Sa kabaligtaran, ang pagsusuri ng buong imahe ay maaaring magbigay sa AI ng isang 'pass' kahit na ang anotasyon ay hindi tama, na artipisyal na nagpapalaki ng sensitivity," dagdag niya.
"Ang pagtuon sa katumpakan ng lokalisasyon ng lesyon ay nagbibigay ng mas maaasahang pagtatasa ng klinikal na pagganap ng algorithm."

Ano nga ba ang hinahanap ng AI?

• Ang mga tumor na nakita ng algorithm ay mas malaki
• Mas madalas na napunta sila sa pinsala sa lymph node
• Ito ay maaaring mangahulugan na pangunahing tinutukoy ng AI ang mga agresibo o mabilis na lumalagong mga tumor, o ang mga nasa advanced na yugto na ngunit napalampas ng mga doktor sa panahon ng screening.

Pangkalahatang resulta:

Sa 1,000 pasyente (kabilang ang parehong may mga kumpirmadong tumor at ang mga may benign o false-positive na resulta), AI:

• Tamang na-localize ang 84.4% ng 334 totoong positibong kaso
• Inuri nang tama ang 85.9% ng 333 totoong negatibo
• Tinanggihan bilang false 73.2% ng 333 false positive cases

Konklusyon at kahalagahan

"Ang aming pag-aaral ay nagpakita na ang AI algorithm ay maaaring retrospectively detect at tumpak na i-localize ang halos isang-katlo ng pagitan ng mga kanser sa suso sa DBT screening na mga imahe, na nagpapahiwatig ng potensyal nito na bawasan ang saklaw ng mga interval cancer at pagbutihin ang mga resulta ng screening," sabi ni Dr. Bahl.

"Sinusuportahan ng aming mga resulta ang pagsasama ng AI sa mga daloy ng trabaho ng DBT upang mapabuti ang katumpakan ng pagtuklas ng kanser. Gayunpaman, ang tunay na epekto ay magdedepende sa lawak kung saan pinagtibay at iniangkop ng mga radiologist ang AI sa klinikal na kasanayan, pati na rin ang pagsubok sa pagiging epektibo nito sa iba't ibang klinikal na setting."