dirbtinio intelekto valdoma mamografija 33 % sumažina darbo krūvį ir padidina krūties vėžio aptikimo galimybes

Neseniai žurnale „Radiology“ paskelbtame tyrime Danijos ir Nyderlandų mokslininkai atliko retrospektyvinę patikros veiksmingumo ir bendros mamografijos patikros naštos analizę prieš ir po dirbtinio intelekto (DI) sistemų įdiegimo.

Reguliarus mamografinis krūties vėžio patikrinimas žymiai sumažina mirtingumą nuo šios ligos. Tačiau masinis mamografinis patikrinimas padidina radiologų darbo krūvį, nes jie turi išanalizuoti daugybę mamogramų, kurių daugumoje nėra įtartinų pažeidimų.

Be to, dvigubas patikrinimas, naudojamas klaidingai teigiamų rezultatų mažinimui ir aptikimo gerinimui, dar labiau padidina radiologų darbo krūvį. Specializuotų radiologų, galinčių skaityti mamogramas, trūkumas dar labiau pablogina šią situaciją.

Naujausi tyrimai išsamiai išnagrinėjo dirbtinio intelekto naudojimą efektyviai analizuojant radiologijos ataskaitas, kartu išlaikant aukštus atrankos standartus. Manoma, kad kombinuotas metodas, kai dirbtinis intelektas padeda radiologams paryškinti mamogramas su pažymėtais pažeidimais, sumažina radiologų darbo krūvį, kartu išlaikant atrankos jautrumą.

Šiame tyrime buvo panaudoti preliminarūs dviejų moterų, kurioms buvo atliktas mamografinis patikrinimas pagal Danijos nacionalinę krūties vėžio atrankos programą, kohortų veiksmingumo rodikliai, siekiant palyginti patikros naštos ir veiksmingumo pokyčius įdiegus dirbtinio intelekto įrankius.

Programa pakvietė 50–69 metų moteris tikrintis kas dvejus metus iki 79 metų amžiaus. Moterys, kurioms buvo nustatyti žymenys, rodantys padidėjusią krūties vėžio riziką, pavyzdžiui, BRCA genai, buvo tikrinamos pagal skirtingus protokolus.

Tyrėjai naudojo dvi moterų kohortas: vieną, patikrintą prieš įdiegiant dirbtinio intelekto sistemą, ir kitą – po jos. Analizėje dalyvavo tik jaunesnės nei 70 metų moterys, siekiant atmesti didelės rizikos pogrupio moteris.

Visiems dalyviams buvo atlikta standartizuota skaitmeninės mamografijos procedūra pagal protokolus, naudojant kraniokaudalinį ir mediolateralinį įstrižinį vaizdą. Visi teigiami atvejai šiame tyrime buvo nustatyti atliekant latakinės karcinomos arba invazinio vėžio patikrą, kuri buvo patvirtinta adatine biopsija. Duomenys apie patologijos ataskaitas, pažeidimo dydį, limfmazgių pažeidimą ir diagnozes taip pat buvo gauti iš nacionalinio sveikatos registro.

Mamogramoms analizuoti naudojama dirbtinio intelekto sistema buvo apmokyta naudojant gilaus mokymosi modelius, kad aptiktų, paryškintų ir įvertintų bet kokius įtartinus kalcifikacijas ar guzelius mamogramoje. Tada dirbtinis intelektas klasifikavo atrankos rezultatus skalėje nuo 1 iki 10, nurodydamas krūties vėžio tikimybę.

Abiejų kohortų mamogramas peržiūrėjo daugiausia patyrusių radiologų komanda. Prieš diegiant dirbtinio intelekto sistemą, kiekvieną patikrą peržiūrėjo du radiologai, o pacientui buvo rekomenduojama atlikti klinikinį tyrimą ir adatinę biopsiją tik tuo atveju, jei abu radiologai nusprendė, kad patikrai reikalingas tolesnis įvertinimas.

Įdiegus dirbtinio intelekto sistemą, mamogramas, kurių balas buvo 5 ar mažiau, peržiūrėdavo vyresnysis radiologas, žinant, kad jos bus vertinamos tik vieną kartą. Tos, kurioms reikėjo tolesnio tyrimo, buvo aptariamos su antru radiologu.

Tyrimas parodė, kad dirbtinio intelekto sistemos įdiegimas žymiai sumažino radiologų, analizuojančių mamogramas kaip masinio krūties vėžio patikros dalį, darbo krūvį ir tuo pačiu pagerino patikros veiksmingumą.

Kohortoje, patikrintoje prieš įdiegiant dirbtinį intelektą (DI), buvo daugiau nei 60 000 moterų, o kohortoje, patikrintoje naudojant DI, – apie 58 000 moterų. Atranka naudojant DI padidino krūties vėžio diagnozių skaičių (0,70 % prieš DI, palyginti su 0,82 % su DI), tuo pačiu sumažinant klaidingai teigiamų rezultatų skaičių (2,39 %, palyginti su 1,63 %).

Dirbtiniu intelektu pagrįsta patikra turėjo didesnę teigiamą prognozinę vertę, o invazinių vėžio atvejų procentinė dalis buvo mažesnė taikant DI pagrįstus metodus. Nors limfmazgių neapimtų vėžio atvejų procentinė dalis nepasikeitė, kiti veiksmingumo rodikliai parodė, kad DI pagrįsta patikra reikšmingai pagerino rezultatus. Skaitymo krūvis taip pat sumažėjo 33,5 %.

Apibendrinant, tyrime buvo įvertintas dirbtiniu intelektu pagrįstos atrankos sistemos veiksmingumas mažinant radiologų darbo krūvį ir gerinant atrankos rodiklius atliekant mamograminę analizę kaip masinio krūties vėžio atrankos dalį Danijoje.

Rezultatai parodė, kad dirbtiniu intelektu pagrįsta sistema žymiai sumažino radiologų darbo krūvį ir kartu pagerino atrankinės patikros rodiklius, ką rodo reikšmingas krūties vėžio diagnozių padidėjimas ir reikšmingas klaidingai teigiamų rezultatų sumažėjimas.