AI mengesan satu pertiga daripada kes kanser payudara selang masa yang terlepas melalui saringan

Algoritma kecerdasan buatan untuk pemeriksaan kanser payudara boleh meningkatkan prestasi mamografi tomosintesis digital (DBT), mengurangkan kadar kanser selang sehingga satu pertiga, menurut satu kajian yang diterbitkan hari ini dalam jurnal Radiology.

Kanser payudara selang adalah tumor bergejala yang didiagnosis antara mamogram pemeriksaan rutin. Kes-kes ini biasanya mempunyai prognosis yang lebih teruk disebabkan oleh penyakit yang lebih agresif dan pertumbuhan tumor yang pesat. DBT, atau mamografi 3D, menyediakan visualisasi lesi payudara yang lebih baik dan boleh mengenal pasti tumor yang mungkin tersembunyi oleh tisu padat. Walau bagaimanapun, kerana DBT ialah teknologi yang agak baharu, data hasil jangka panjang untuk pesakit di institusi yang baru-baru ini menggunakan teknik ini kekal terhad.

"Memandangkan kekurangan data kematian kanser payudara melebihi 10 tahun pemeriksaan DBT, kadar kanser selang waktu sering digunakan sebagai proksi," jelas pengarang kajian Dr Manisha Bahl, pengarah kualiti pengimejan payudara di Massachusetts General Hospital dan profesor bersekutu di Harvard Medical School.
"Penurunan dalam kadar ini menunjukkan penurunan dalam kejadian dan kematian kanser payudara."

Kajian: AI mengenal pasti tumor yang tidak dapat dikesan

Dalam kajian ke atas 1,376 kes, Bal dan rakan sekerja secara retrospektif menganalisis 224 kanser selang dalam 224 wanita yang menjalani pemeriksaan DBT. Dalam imej ini, algoritma Lunit INSIGHT DBT v1.1.0.0 AI menyetempatkan 32.6% (73 daripada 224) tumor yang tidak dikesan sebelum ini dengan betul.

"Kami terkejut bahawa hampir satu pertiga daripada tumor selang telah dikesan dan disetempatkan dengan tepat oleh algoritma AI dalam mamogram yang sebelum ini ditafsirkan sebagai normal oleh ahli radiologi, menonjolkan potensi AI sebagai 'pembaca kedua,'" kata Bahl.

Menurut penyelidik, ini mungkin kajian pertama yang diterbitkan secara khusus melihat menggunakan AI untuk mengesan kanser selang pada imej DBT.

"AI telah digunakan sebelum ini untuk mengesan kanser selang pada mamogram digital 2D konvensional, tetapi untuk pengetahuan kami, tidak ada kajian yang diterbitkan dalam kesusasteraan mengenai pengesanan AI tumor selang khusus pada imbasan tomosintesis 3D," jelas Bal.

Metodologi: pada tahap lesi, bukan sekadar syot kilat

Untuk mengelakkan menilai terlalu tinggi sensitiviti algoritma, pasukan Bal menggunakan analisis khusus lesi: AI diberi "pukulan markah" hanya jika ia mengenal pasti dengan betul dan menyetempatkan lokasi sebenar tumor.

"Sebaliknya, analisis imej keseluruhan boleh memberikan AI 'lulus' walaupun anotasi tidak betul, yang secara buatan meningkatkan sensitiviti," tambahnya.
"Memfokuskan pada ketepatan penyetempatan lesi memberikan penilaian yang lebih dipercayai terhadap prestasi klinikal algoritma."

Apakah sebenarnya yang ditemui oleh AI?

• Tumor yang dikesan oleh algoritma cenderung lebih besar
• Lebih kerap mereka berakhir dengan kerosakan nodus limfa
• Ini mungkin bermakna AI mengenal pasti tumor yang agresif atau berkembang pesat, atau tumor yang sudah berada di peringkat lanjut tetapi terlepas oleh doktor semasa pemeriksaan.

Keputusan keseluruhan:

Di antara 1,000 pesakit (termasuk kedua-dua mereka yang mempunyai tumor yang disahkan dan mereka yang mempunyai keputusan yang jinak atau positif palsu), AI:

• Dilokalkan dengan betul 84.4% daripada 334 kes positif benar
• Dikelaskan dengan betul 85.9% daripada 333 negatif benar
• Ditolak sebagai palsu 73.2% daripada 333 kes positif palsu

Kesimpulan dan kepentingan

"Kajian kami menunjukkan bahawa algoritma AI secara retrospektif boleh mengesan dan menyetempatkan dengan tepat hampir satu pertiga daripada kanser payudara selang pada imej saringan DBT, menunjukkan potensinya untuk mengurangkan kejadian kanser selang waktu dan meningkatkan hasil pemeriksaan," kata Dr. Bahl.

"Hasil kami menyokong integrasi AI ke dalam aliran kerja DBT untuk meningkatkan ketepatan pengesanan kanser. Walau bagaimanapun, kesan sebenar akan bergantung pada sejauh mana ahli radiologi menerima pakai dan menyesuaikan AI dalam amalan klinikal, serta menguji keberkesanannya dalam tetapan klinikal yang berbeza."