ШІ-керована мамографія знижує робоче навантаження на 33% і збільшує виявлення раку грудей

У нещодавньому дослідженні, опублікованому в журналі Radiology, дослідники з Данії та Нідерландів провели ретроспективний аналіз ефективності скринінгу та загального навантаження мамографічного скринінгу до та після впровадження систем штучного інтелекту (ШІ).

Регулярне мамографічне обстеження на рак молочної залози значно знижує смертність від цього захворювання. Однак масове мамографічне обстеження збільшує навантаження рентгенологів, яким доводиться аналізувати багато мамограм, більшість з яких не містять підозрілих уражень.

Крім того, подвійний скринінг, який використовується для зменшення кількості хибнопозитивних результатів та покращення виявлення, ще більше збільшує навантаження на радіологів. Нестача спеціалізованих радіологів, які можуть читати мамограми, посилює цю ситуацію.

Нещодавні дослідження широко досліджували використання штучного інтелекту для ефективного аналізу радіологічних звітів, зберігаючи при цьому високі стандарти скринінгу. Вважається, що комбінований підхід, за якого штучний інтелект допомагає радіологам виділяти мамограми з позначеними ураженнями, зменшує навантаження на радіологів, зберігаючи при цьому чутливість скринінгу.

У цьому дослідженні використовувалися попередні показники ефективності двох когорт жінок, які проходили мамографічний скринінг у рамках національної програми скринінгу раку молочної залози Данії, для порівняння зміни навантаження скринінгу та ефективності після впровадження інструментів штучного інтелекту.

Програма запрошувала жінок віком від 50 до 69 років проходити скринінг кожні два роки до досягнення 79 років. Жінки з маркерами, що вказують на підвищений ризик раку молочної залози, такими як гени BRCA, проходили скринінг за різними протоколами.

Дослідники використовували дві когорти жінок: одну обстежили до впровадження системи штучного інтелекту, а іншу – після. В аналізі взяли участь лише жінки віком до 70 років, щоб виключити тих, хто перебував у підгрупі високого ризику.

Усім учасницям було проведено стандартизовані протоколи з використанням цифрової мамографії з краніокаудальною та медіолатеральною косими проекціями. Усі позитивні випадки в цьому дослідженні були виявлені шляхом скринінгу на протокову карциному або інвазивний рак, що було підтверджено голковою біопсією. Дані про патологічні звіти, розмір уражень, ураження лімфатичних вузлів та діагнози також були отримані з національного реєстру охорони здоров'я.

Система штучного інтелекту, яка використовувалася для аналізу мамограм, була навчена за допомогою моделей глибокого навчання для виявлення, виділення та оцінювання будь-яких підозрілих кальцифікатів або утворень на мамограмі. Потім штучний інтелект класифікував результати скринінгу за шкалою від 1 до 10, вказуючи на ймовірність раку молочної залози.

Команда переважно досвідчених радіологів переглядала мамограми для обох когорт. До появи системи штучного інтелекту кожен скринінговий знімок переглядали два радіолози, і пацієнту рекомендували клінічне обстеження та голкову біопсію лише тоді, коли обидва радіолози вважали, що скринінг потребує подальшого обстеження.

Після впровадження системи штучного інтелекту мамограми з оцінкою 5 або менше переглядав старший рентгенолог, знаючи, що вони отримають лише одне зчитування. Ті, що потребували подальшого дослідження, обговорювалися з другим рентгенологом.

Дослідження показало, що впровадження системи штучного інтелекту значно зменшило навантаження радіологів, які аналізують мамограми в рамках масового скринінгу раку молочної залози, одночасно підвищуючи ефективність скринінгу.

Когорта, обстежена до впровадження системи штучного інтелекту (ШІ), включала понад 60 000 жінок, тоді як когорта, обстежена за допомогою ШІ, включала приблизно 58 000 жінок. Скринінг за допомогою ШІ призвів до збільшення кількості діагностованих раку молочної залози (0,70% до ШІ проти 0,82% зі ШІ), одночасно зменшуючи кількість хибнопозитивних результатів (2,39% проти 1,63%).

Скринінг на основі штучного інтелекту мав вищу позитивну прогностичну цінність, а відсоток інвазивних видів раку був нижчим при використанні методів на основі штучного інтелекту. Хоча відсоток випадків раку з негативним ураженням лімфатичних вузлів не змінився, інші показники ефективності показали, що скринінг на основі штучного інтелекту значно покращив результати. Навантаження на читання також зменшилося на 33,5%.

Підсумовуючи, дослідження оцінило ефективність системи скринінгу на основі штучного інтелекту у зменшенні робочого навантаження радіологів та покращенні показників скринінгу при аналізі мамограм як частини масового скринінгу раку молочної залози в Данії.

Результати показали, що система на основі штучного інтелекту значно зменшила навантаження на радіологів, одночасно покращуючи показники скринінгу, про що свідчить значне збільшення кількості діагностованих раку молочної залози та значне зменшення кількості хибнопозитивних результатів.