Binabawasan ng AI-guided mammography ang workload ng 33% at pinapataas ang pagtuklas ng breast cancer

Sa isang kamakailang pag-aaral na inilathala sa journal Radiology, ang mga mananaliksik mula sa Denmark at Netherlands ay nagsagawa ng retrospective analysis ng pagiging epektibo ng screening at pangkalahatang mammography screening burden bago at pagkatapos ng pagpapakilala ng mga artificial intelligence (AI) system.

Ang regular na pagsusuri sa mammography para sa kanser sa suso ay makabuluhang binabawasan ang dami ng namamatay mula sa sakit na ito. Gayunpaman, pinapataas ng mass mammography screening ang workload ng mga radiologist na dapat suriin ang maraming mammograms, karamihan sa mga ito ay hindi naglalaman ng mga kahina-hinalang sugat.

Bilang karagdagan, ang double screening, na ginagamit upang bawasan ang mga maling positibo at pagbutihin ang pagtuklas, ay higit na nagpapataas sa workload ng mga radiologist. Ang kakulangan ng mga dalubhasang radiologist na nakakabasa ng mga mammogram ay nagpapalala sa sitwasyong ito.

Ang mga kamakailang pag-aaral ay malawakang nag-explore sa paggamit ng AI upang mahusay na pag-aralan ang mga ulat sa radiology habang pinapanatili ang mataas na mga pamantayan sa screening. Ang pinagsamang diskarte kung saan tinutulungan ng AI ang mga radiologist na i-highlight ang mga mammogram na may mga naka-flag na sugat ay naisip na bawasan ang workload ng mga radiologist habang pinapanatili ang sensitivity ng screening.

Ang kasalukuyang pag-aaral ay gumamit ng mga paunang hakbang sa pagganap mula sa dalawang pangkat ng mga kababaihang sumasailalim sa screening ng mammography bilang bahagi ng pambansang programa sa screening ng kanser sa suso ng Denmark upang ihambing ang pagbabago sa pasanin sa screening at pagganap pagkatapos ng pagpapakilala ng mga tool ng AI.

Inimbitahan ng programa ang mga kababaihang may edad 50 hanggang 69 na ma-screen tuwing dalawang taon hanggang edad 79. Ang mga babaeng may mga marker na nagpapahiwatig ng mas mataas na panganib ng kanser sa suso, tulad ng mga BRCA genes, ay na-screen sa ilalim ng iba't ibang protocol.

Ang mga mananaliksik ay gumamit ng dalawang cohorts ng mga kababaihan: ang isa ay na-screen bago ipinakilala ang AI system at ang isa pagkatapos. Kasama sa pagsusuri ang mga kababaihang wala pang 70 taong gulang upang ibukod ang mga nasa isang subgroup na may mataas na panganib.

Ang lahat ng kalahok ay sumailalim sa mga standardized na protocol gamit ang digital mammography na may craniocaudal at mediolateral oblique view. Ang lahat ng mga positibong kaso sa pag-aaral na ito ay natukoy sa pamamagitan ng screening para sa ductal carcinoma o invasive cancer, na kinumpirma ng biopsy ng karayom. Ang data sa mga ulat ng patolohiya, laki ng lesyon, pagkakasangkot ng lymph node, at mga diagnosis ay nakuha rin mula sa isang pambansang pagpapatala ng kalusugan.

Ang sistema ng AI na ginamit upang pag-aralan ang mga mammogram ay sinanay gamit ang mga modelo ng malalim na pag-aaral upang makita, i-highlight, at bigyan ng marka ang anumang mga kahina-hinalang calcification o bukol sa mammogram. Pagkatapos ay inuri ng AI ang mga screening sa isang sukat na 1 hanggang 10, na nagpapahiwatig ng posibilidad ng kanser sa suso.

Sinuri ng isang pangkat ng karamihan sa mga may karanasang radiologist ang mga mammogram para sa parehong cohorts. Bago ang sistema ng AI, ang bawat screening ay nirepaso ng dalawang radiologist, at ang isang pasyente ay inirerekomenda ng isang klinikal na pagsusuri at biopsy ng karayom lamang kung ang parehong mga radiologist ay itinuturing na ang screening ay nangangailangan ng karagdagang pagsusuri.

Matapos maipatupad ang AI system, ang mga mammogram na may markang 5 o mas mababa ay nirepaso ng isang senior radiologist, alam na isang pagbabasa lang ang kanilang matatanggap. Ang mga nangangailangan ng karagdagang pagsusuri ay tinalakay sa pangalawang radiologist.

Nalaman ng pag-aaral na ang pagpapatupad ng AI system ay makabuluhang nabawasan ang workload ng mga radiologist na nagsusuri ng mga mammograms bilang bahagi ng mass breast cancer screening, habang pinapabuti ang pagiging epektibo ng screening.

Ang cohort na na-screen bago ipinatupad ang AI system ay may kasamang mahigit 60,000 babae, habang ang cohort na na-screen gamit ang AI ay may kasamang humigit-kumulang 58,000 babae. Ang pag-screen gamit ang AI ay nagresulta sa pagtaas ng mga diagnosis ng breast cancer (0.70% bago ang AI kumpara sa 0.82% na may AI) habang binabawasan ang bilang ng mga false positive (2.39% vs. 1.63%).

Ang screening na nakabatay sa AI ay may mas mataas na positibong predictive na halaga at ang porsyento ng mga invasive na kanser ay mas mababa sa mga pamamaraang batay sa AI. Bagama't hindi nagbago ang porsyento ng mga node-negative na kanser, ipinakita ng iba pang mga sukat sa pagganap na ang screening na batay sa AI ay makabuluhang nagpabuti ng mga resulta. Nabawasan din ng 33.5% ang reading load.

Sa buod, tinasa ng pag-aaral ang pagiging epektibo ng isang sistema ng screening na nakabatay sa AI sa pagbabawas ng workload ng mga radiologist at pagpapabuti ng mga rate ng screening sa pagsusuri sa mammogram bilang bahagi ng mass breast cancer screening sa Denmark.

Ang mga resulta ay nagpakita na ang AI-based na sistema ay makabuluhang nabawasan ang workload ng mga radiologist habang pinapabuti ang mga rate ng screening, bilang ebidensya ng isang makabuluhang pagtaas sa mga diagnosis ng kanser sa suso at isang makabuluhang pagbawas sa mga maling positibo.