Oρισμένα ιδρύματα χρησιμοποιούν ήδη ΤΝ για να βοηθήσουν τους ακτινολόγους να ανιχνεύουν τον καρκίνο στις μαστογραφίες.
Σε μια μεγάλη μελέτη χιλιάδων μαστογραφιών, οι αλγόριθμοι τεχνητής νοημοσύνης (ΤΝ) ξεπέρασαν το τυπικό υπολογιστικό μοντέλο κλινικού κινδύνου για την πρόβλεψη του πενταετούς κινδύνου για καρκίνο του μαστού.
Τα αποτελέσματα της μελέτης δημοσιεύτηκαν στο Radiology.
Ο κίνδυνος καρκίνου του μαστού μιας γυναίκας υπολογίζεται τυπικά χρησιμοποιώντας κλινικά μοντέλα, όπως το BCSC (Breast Cancer Surveillance Consortium).
Αυτά χρησιμοποιούν κατά βάση αυτοαναφερόμενες και άλλες πληροφορίες για την ασθενή, συμπεριλαμβανομένης της ηλικίας, του οικογενειακού ιστορικού της νόσου, εάν έχει γεννήσει και αν έχει πυκνό μαστό, για να κάνει εκτίμηση κινδύνου.
«Τα μοντέλα κλινικού κινδύνου εξαρτώνται από τη συλλογή πληροφοριών από διαφορετικές πηγές, οι οποίες δεν είναι πάντα διαθέσιμες ή σωστά συλλεγμένες», δήλωσε ο επικεφαλής ερευνητής, δρ. Vignesh A. Arasu, ερευνητής και ακτινολόγος στο Kaiser Permanente στη Βόρεια Καλιφόρνια. “Οι πρόσφατες εξελίξεις στη βαθιά εκμάθηση της ΤΝ μας παρέχουν τη δυνατότητα να εξαγάγουμε εκατοντάδες έως χιλιάδες επιπλέον μαστογραφικά χαρακτηριστικά”.
Σε αυτήν την αναδρομικού τύπου μελέτη, ο δρ. Arasu χρησιμοποίησε δεδομένα που σχετίζονται με αρνητικές (που δεν δείχνουν ορατά στοιχεία καρκίνου) μαστογραφίες προσυμπτωματικού ελέγχου 2D που πραγματοποιήθηκαν στο Kaiser Permanente το 2016. Από τις 324.009 γυναίκες που εξετάστηκαν το 2016 και πληρούσαν κριτήρια επιλεξιμότητας, μια τυχαία υποομάδα από 13.628 γυναίκες επιλέχθηκαν για ανάλυση. Επιπλέον, μελετήθηκαν και 4.584 ασθενείς από την ομάδα επιλεξιμότητας που διαγνώστηκαν με καρκίνο εντός πέντε ετών από την αρχική μαστογραφία του 2016. Όλες οι γυναίκες παρακολουθήθηκαν μέχρι το 2021.
Οι ερευνητές χώρισαν την πενταετή περίοδο μελέτης σε τρεις χρονικές περιόδους:
- μεσοδιαστήματα κινδύνου καρκίνου ή περιστατικά καρκίνου που διαγνώστηκαν μεταξύ 0 και 1 έτους
- μελλοντικός κίνδυνος καρκίνου ή περιστατικό καρκίνου που διαγιγνώσκονται μεταξύ ενός και πέντε ετών
- όλους τους κινδύνους καρκίνου ή περιστατικά καρκίνου που διαγιγνώσκονται μεταξύ 0 και 5 ετών
Χρησιμοποιώντας τις μαστογραφίες προσυμπτωματικού ελέγχου του 2016, οι βαθμολογίες κινδύνου για καρκίνο του μαστού κατά τη διάρκεια της πενταετίας δημιουργήθηκαν από πέντε αλγόριθμους ΤΝ:
- δύο ακαδημαϊκοί αλγορίθμων που χρησιμοποιήθηκαν από ερευνητές και
- τρεις εμπορικά διαθέσιμοι αλγόριθμοι
Στη συνέχεια, οι βαθμολογίες κινδύνου συγκρίθηκαν τόσο μεταξύ τους, όσο και με τη βαθμολογία κλινικού κινδύνου BCSC.
“Και οι πέντε αλγόριθμοι ΤΝ απέδωσαν καλύτερα από το μοντέλο κινδύνου BCSC για την πρόβλεψη του κινδύνου καρκίνου του μαστού στα 0 έως 5 χρόνια”, είπε ο δρ. Arasu. «Αυτή η ισχυρή προγνωστική απόδοση κατά την πενταετία υποδηλώνει ότι η τεχνητή νοημοσύνη εντοπίζει τόσο χαμένους καρκίνους όσο και χαρακτηριστικά ιστού του μαστού που μας βοηθούν στην πρόβλεψη μελλοντικής ανάπτυξης καρκίνου. Κάτι στην μαστογραφία μάς επιτρέπει να εντοπίζουμε καλά τον κίνδυνο καρκίνου του μαστού. Αυτό είναι το ‘μαύρο κουτί’ της τεχνητής νοημοσύνης».
Ορισμένοι από τους αλγόριθμους ΤΝ διέπρεψαν στην πρόβλεψη ασθενών υψηλού κινδύνου, καρκίνων που είναι συχνά επιθετικοί και μπορεί να απαιτούν δεύτερη ανάγνωση μαστογραφιών, συμπληρωματικό έλεγχο ή παρακολούθηση απεικονίσεων.
Κατά την αξιολόγηση των γυναικών με τον υψηλότερο κίνδυνο, η ΤΝ προέβλεψε έως και 28% των καρκίνων σε σύγκριση με το 21% που προέβλεπε το BCSC.
Ακόμη και αλγόριθμοι ΤΝ που εκπαιδεύτηκαν για σύντομους χρονικούς ορίζοντες (μέχρι και 3 μήνες) ήταν σε θέση να προβλέψουν τον μελλοντικό κίνδυνο καρκίνου έως και πέντε χρόνια, την στιγμή που δεν ανιχνεύθηκε κλινικά ο καρκίνος με την κλασική μαστογραφία προσυμπτωματικού ελέγχου.
Όταν χρησιμοποιήθηκαν συνδυαστικά, τα μοντέλα κινδύνου ΤΝ και BCSC βελτίωσαν περαιτέρω την πρόβλεψη του καρκίνου.
“Αναζητούμε ένα ακριβές, αποτελεσματικό και επεκτάσιμο μέσο για την κατανόηση του κινδύνου καρκίνου του μαστού στις γυναίκες”, είπε η δρ. Arasu. “Τα μοντέλα ΤΝ εκτίμησης κινδύνου παρέχουν πρακτικά πλεονεκτήματα έναντι των παραδοσιακών μοντέλων κλινικού κινδύνου, επειδή χρησιμοποιούν μία μόνο πηγή δεδομένων: την ίδια τη μαστογραφία”.
Η δρ. Arasu είπε ότι ορισμένα ιδρύματα χρησιμοποιούν ήδη ΤΝ για να βοηθήσουν τους ακτινολόγους να ανιχνεύουν τον καρκίνο στις μαστογραφίες.
Η βαθμολογία μελλοντικού κινδύνου μιας γυναίκας, η οποία βγαίνει μέσα σε λίγα δευτερόλεπτα από την ΤΝ, θα μπορούσε να ενσωματωθεί στην ακτινολογική αναφορά που κοινοποιείται στην ασθενή και τον γιατρό της.
“Η ΤΝ για την πρόβλεψη κινδύνου καρκίνου μας προσφέρει την ευκαιρία να εξατομικεύσουμε τη φροντίδα κάθε γυναίκας, η οποία δεν είναι συστηματικά διαθέσιμη. Είναι ένα εργαλείο που θα μπορούσε να μας βοηθήσει να παρέχουμε εξατομικευμένη ιατρική ακριβείας”.
-: https://medicalxpress.com
ΔΙΑΒΑΣΤΕ ΕΠΙΣΗΣ
Προσοχή στα διαδικτυακά εργαλεία Τεχνητής Νοημοσύνης για θέματα υγείας: Τι να γράφετε και τι όχι
Καρκίνος του μαστού: Επιστήμονες βρήκαν τρόπο να προβλέπουν αν θα αναπτυχθούν μεταστάσεις
Νέες οδηγίες για τον καρκίνο του μαστού: «Αρχίστε τη μαστογραφία στα 40»
Δεν είναι όλα τα εξογκώματα καρκίνος του μαστού: Πότε είναι καλοήθης νόσος του μαστού
-
