Nová metoda screeningu rakoviny prsu s pomocí AI může omezit zbytečné testování

Foto: marcojean20/Pixabay

Podle studie vědců z Washingtonské univerzity Lékařské fakulty v St. Louis a Whiterabbit.ai, technologického startupu ze Silicon Valley, ukazuje, jak použití umělé inteligence (AI) k doplnění hodnocení mamografů radiology, může zlepšit screening rakoviny prsu a přitom snížit počet falešně pozitivních výsledků, aniž by došlo k přehlédnutí skutečných případů rakoviny.

Vědci vyvinuli algoritmus, který identifikoval normální mamografy s velmi vysokou citlivostí. Poté provedli simulaci údajů o pacientkách, aby zjistili, co by se stalo, kdyby všechny mamografy s velmi nízkým rizikem byly odebrány ze stolů radiologů, a lékaři se tak mohli soustředit na spornější skeny. Simulace odhalila, že k dalšímu testování by bylo povoláno daleko méně lidí, ale že by byl detekován stejný počet případů rakoviny.

„Falešně pozitivní případy jsou, když zavoláte pacientku zpět k dalšímu testování a ukáže se, že je benigní,“ vysvětlil lékař a hlavní autor studie, MUDr. Richard L. Wahl, profesor radiologie Mallinckrodtova radiologického institutu (MIR) Washingtonské univerzity a profesor radiační onkologie. „Předčasná interpretace způsobuje pacientům spoustu zbytečné úzkosti a spotřebovává lékařské zdroje. Tato simulační studie ukázala, že umělá inteligence dokáže spolehlivě identifikovat mamografy s velmi nízkým rizikem, aby se snížila falešná pozitivita a zlepšily pracovní postupy.“

Simulace Lékařské fakulty Washingtonské univerzity ukazuje, jak použití umělé inteligence může pomoci lékařům při čtení mamografů, které snižuje následné testování, aniž by došlo k přehlédnutí případů rakoviny.

Foto: DEBBIE BENNETT/WASHINGTON UNIVERSITY/Zdroj vázaný k tiskové zprávě

Wahl dříve spolupracoval s Whiterabbit.ai na  algoritmu, který má pomoci radiologům posoudit hustotu prsou na mamografech,  aby identifikovali pacienty, kteří by mohli mít prospěch z dalšího nebo alternativního screeningu. Trénovali model AI na 123 248 2D digitálních mamografech (obsahujících 6 161 ukazujících rakovinu), které z velké části shromáždili a přečetli radiologové z Washingtonské univerzity. Poté ověřili a otestovali model umělé inteligence na třech nezávislých sadách mamografů, dvou z institucí v USA a jedné ve Spojeném království.

Nejprve vědci zjistili, co lékaři udělali, kolik pacientů bylo povoláno zpět na nový screening a biopsie. Výsledky těchto testů a konečné rozhodnutí každého případu. Poté aplikovali AI na soubory dat, aby zjistili, co by bylo jiné, kdyby byla AI použita k odstranění negativních mamografů v počátečních hodnoceních a lékaři při hodnocení zbytku postupovali podle standardních diagnostických postupů.

Vezměme si například největší soubor dat, který obsahoval 11 592 mamografů. Při škálování na 10 000 mamografů (aby se matematika pro účely simulace zjednodušila), AI označila 34,9 % za negativní. Pokud by těch 3 485 negativních mamografů bylo odstraněno z pracovní zátěže, radiologové by provedli 897 zpětných diagnostických vyšetření, což je snížení o 23,7 % oproti 1 159, které provedli ve skutečnosti.

V dalším kroku by bylo 190 lidí povoláno k biopsii, což je snížení o 6,9 % oproti 200 ve skutečnosti. Na konci procesu jak přístup k vyloučení umělé inteligence, tak přístupy v reálném světě standardní péče identifikovaly stejných 55 druhů rakoviny. Jinými slovy, tato studie AI naznačuje, že z 10 000 lidí, kteří podstoupili počáteční mamografii, se 262 mohlo vyhnout diagnostickým vyšetřením a 10 se mohlo vyhnout biopsii, aniž by byl vynechán jakýkoli případ rakoviny.

Tato studie ukazuje, že umělá inteligence může být potenciálně velmi přesná při identifikaci negativních vyšetření. Ještě důležitější je, že výsledky ukázaly, že automatizace detekce negativů může také vést k obrovskému přínosu v redukci falešně pozitivních výsledků, aniž by se změnila míra detekce rakoviny.

Článek byl zpracován na základě tiskové zprávy AAAS. Studie byla publikována 10. dubna v časopise Radiology: Artificial Intelligence pod značkou DOI 10.1148/ryai.230033.