Mammografi berpandukan AI mengurangkan beban kerja sebanyak 33% dan meningkatkan pengesanan kanser payudara
Ulasan terakhir: 14.06.2024
Semua kandungan iLive disemak secara perubatan atau fakta diperiksa untuk memastikan ketepatan faktual sebanyak mungkin.
Kami mempunyai garis panduan sumber yang ketat dan hanya memautkan ke tapak media yang bereputasi, institusi penyelidikan akademik dan, apabila mungkin, dikaji semula kajian secara medis. Perhatikan bahawa nombor dalam kurungan ([1], [2], dan lain-lain) boleh diklik pautan ke kajian ini.
Jika anda merasakan bahawa mana-mana kandungan kami tidak tepat, ketinggalan zaman, atau tidak dipersoalkan, sila pilih dan tekan Ctrl + Enter.
Dalam kajian terbaru yang diterbitkan dalam Radiologi, penyelidik dari Denmark dan Belanda menjalankan analisis retrospektif keberkesanan saringan dan beban keseluruhan pemeriksaan mamografi sebelum dan selepas pengenalan sistem kecerdasan buatan (AI).
Pemeriksaan mamografi yang kerap untuk kanser payudara mengurangkan kematian akibat penyakit ini dengan ketara. Walau bagaimanapun, pemeriksaan mamografi massa meningkatkan beban kerja ahli radiologi yang mesti menyemak banyak mamogram, yang kebanyakannya tidak mengandungi lesi yang mencurigakan.
Selain itu, saringan dua kali, yang digunakan untuk mengurangkan positif palsu dan meningkatkan pengesanan, meningkatkan lagi beban kerja ahli radiologi. Kekurangan pakar radiologi khusus yang boleh membaca mamogram memburukkan lagi keadaan ini.
Kajian terkini telah meneroka secara meluas penggunaan AI untuk menganalisis laporan radiologi dengan berkesan sambil mengekalkan piawaian saringan yang tinggi. Pendekatan gabungan, di mana AI membantu ahli radiologi menyerlahkan mamogram dengan lesi yang dibenderakan, dipercayai dapat mengurangkan beban kerja ahli radiologi sambil mengekalkan sensitiviti pemeriksaan.
Kajian semasa menggunakan ukuran prestasi awal daripada dua kohort wanita yang disaring secara mamografi sebagai sebahagian daripada Program Pemeriksaan Kanser Payudara Kebangsaan Denmark untuk membandingkan perubahan dalam beban kerja dan prestasi pemeriksaan selepas pengenalan alat AI.
Program ini menjemput wanita berumur 50 hingga 69 tahun untuk disaring setiap dua tahun sehingga umur 79 tahun. Wanita dengan penanda yang menunjukkan peningkatan risiko kanser payudara, seperti gen BRCA, telah disaring menggunakan protokol yang berbeza.
Para penyelidik menggunakan dua kohort wanita: satu disaring sebelum dan satu selepas pengenalan sistem AI. Hanya wanita di bawah umur 70 tahun dimasukkan dalam analisis untuk mengecualikan mereka dalam subkumpulan berisiko tinggi.
Semua peserta menjalani protokol standard menggunakan mamograf digital dengan pandangan serong craniocaudal dan mediolateral. Semua kes positif dalam kajian ini telah dikenal pasti dengan pemeriksaan untuk karsinoma duktus atau kanser invasif, yang disahkan oleh biopsi jarum. Data mengenai laporan patologi, saiz lesi, penglibatan nodus limfa dan diagnosis juga diperoleh daripada pendaftaran kesihatan negara.
Sistem AI yang digunakan untuk menganalisis mamogram telah dilatih menggunakan model pembelajaran mendalam untuk mengesan, menyerlahkan dan menjaringkan sebarang kalsifikasi atau lesi yang mencurigakan pada mamogram. AI kemudiannya meletakkan saringan pada skala 1 hingga 10, menunjukkan kemungkinan kanser payudara.
Pasukan pakar radiologi yang kebanyakannya berpengalaman menyemak mamogram untuk kedua-dua kohort. Sebelum pelaksanaan sistem AI, setiap saringan telah disemak oleh dua ahli radiologi dan pesakit disyorkan untuk pemeriksaan klinikal dan biopsi jarum hanya jika kedua-dua ahli radiologi menganggap saringan memerlukan penilaian lanjut.
Selepas melaksanakan sistem AI, mamogram dengan skor kurang daripada atau sama dengan 5 telah disemak oleh ahli radiologi kanan, mengetahui bahawa ia hanya menerima satu bacaan. Mereka yang memerlukan pemeriksaan lanjut telah dibincangkan dengan pakar radiologi kedua.
Kajian mendapati bahawa pelaksanaan sistem AI mengurangkan beban kerja ahli radiologi yang menganalisis mamogram secara signifikan sebagai sebahagian daripada pemeriksaan kanser payudara secara besar-besaran, sambil meningkatkan kecekapan pemeriksaan.
Kohort yang disaring sebelum pelaksanaan sistem AI terdiri daripada lebih 60,000 wanita, manakala kohort yang disaring menggunakan AI ialah kira-kira 58,000 wanita. Pemeriksaan dengan AI menghasilkan peningkatan dalam diagnosis kanser payudara (0.70% pra-AI lwn. 0.82% dengan AI) sambil mengurangkan bilangan positif palsu (2.39% lwn. 1.63%).
Penyaringan berasaskan AI mempunyai nilai ramalan positif yang lebih tinggi, dan peratusan kanser invasif adalah lebih rendah dengan kaedah berasaskan AI. Walaupun peratusan kanser nod-negatif tidak berubah, ukuran prestasi lain menunjukkan bahawa saringan berasaskan AI telah meningkatkan hasil dengan ketara. Beban bacaan juga berkurangan sebanyak 33.5%.
Kajian itu menilai keberkesanan sistem pemeriksaan berasaskan AI dalam mengurangkan beban kerja ahli radiologi dan meningkatkan kadar pemeriksaan mamogram sebagai sebahagian daripada pemeriksaan kanser payudara secara besar-besaran di Denmark.
Keputusan menunjukkan bahawa sistem berasaskan AI mengurangkan beban kerja ahli radiologi dengan ketara sambil meningkatkan kadar pemeriksaan, seperti yang dibuktikan oleh peningkatan ketara dalam diagnosis kanser payudara dan pengurangan ketara dalam positif palsu.