Сови, як повідомляється, можуть бути більш імпульсивними, ніж жайворонки
Стаття
У недавньому дослідженні, опублікованому в JAMA Network Open, дослідники оцінили, чи може комерційний інструмент штучного інтелекту (ШІ), спочатку розроблений для виявлення раку молочної залози, використовувати скринінгові мамографії для оцінки ризику розвитку раку молочної залози в майбутньому за роки до клінічного діагнозу. Вони використовували когортне дослідження, що включало майже 350 000 скринінгових скринінгів 116 495 жінок, щоб створити оцінки виявлення раку на основі штучного інтелекту, які оцінювалися як непрямі показники подальшого ризику раку молочної залози, а не для прямої діагностики.
Результати дослідження показали, що алгоритм штучного інтелекту призначив вищі бали для виявлення раку молочної залози, який пізніше розвинув би рак молочної залози, навіть за 4-6 років до клінічного діагнозу, порівняно з молочними залозами, у яких не розвинувся рак. Це свідчить про те, що комерційні інструменти штучного інтелекту можуть допомогти виявити жінок із вищим ризиком розвитку раку молочної залози задовго до встановлення діагнозу, забезпечуючи шлях для більш персоналізованого, заснованого на ризиках скринінгу та більш раннього втручання.
Відстеження на рівні грудей виявило закономірності: жінки, у яких згодом розвинувся рак, показали поступове збільшення різниці в показниках ШІ між грудьми, починаючи з 21,3 бала за два раунди до діагностики та досягаючи 79,0 балів при виявленні.
Рак молочної залози є найбільш часто діагностованим онкологічним захворюванням у жінок, на його частку припадає майже 25% усіх жіночих злоякісних новоутворень (2,3 мільйона нових випадків, 2022 рік) і понад 670 000 смертей щорічно. Рутинний скринінг на основі мамографії є першою лінією захисту від захворюваності та смертності, пов'язаної з раком молочної залози, значно покращуючи показники виживання пацієнтів завдяки ранньому виявленню злоякісних новоутворень та їх подальшому своєчасному лікуванню.
На жаль, традиційні методи мамографічного скринінгу схильні до плутанини щодо точності та надійності, оскільки вони значною мірою покладаються на суб'єктивну експертизу рецензентів (радіологів). Крім того, традиційні методи скринінгу не в змозі виявити злоякісні новоутворення молочної залози, які розвиваються між скринінгами, що призводить до затримок у виявленні та пов'язаних з ними клінічних і соціально-економічних недоліків.
Нещодавні досягнення в комерційних інструментах штучного інтелекту (ШІ) дозволили створювати оцінку пухлин молочної залози та обстеження на основі радіологів, використовуючи найдрібніші зміни в мамографії, щоб допомогти лікарям оцінити ризик раку молочної залози раніше та з більшою точністю.
У той час як попередні дослідження припускали, що штучний інтелект може використовувати субклінічні особливості мамографії для прогнозування майбутньої захворюваності на рак молочної залози, це масштабне дослідження науково оцінило цю гіпотезу за допомогою когорти Національної програми скринінгу.
Штучний інтелект надавав пріоритет підозрілим зображенням: для кожної молочної залози алгоритм вибирав найвищий бал між краніокаудальними та медіолатеральними косими зображеннями, а потім порівнював двосторонні результати для виявлення ризику.
У цьому дослідженні було оцінено точність прогнозування, загальну продуктивність і надійність комерційного інструменту штучного інтелекту для оцінки майбутнього ризику раку молочної залози на основі даних мамографії, отриманих від пацієнтів. У дослідженні використовується ретроспективний когортний дизайн і він відповідає керівним принципам Посилення звітності обсерваційних досліджень в епідеміології (STROBE).
Дані дослідження були отримані в рамках програми BreastScreen Norway, яка є частиною Норвезького канцерового реєстру. Він включає дворічний цифровий мамографічне обстеження (медіолатеральна коса [MLO] та краніокаудальна [CC] проекції) понад 680 000 норвезьких жінок (віком 50–69 років) у період з 2004 по 2018 рік. Від учасників вимагалося надати не менше трьох сканувань, кожне з яких було незалежно оцінене з використанням як традиційних (подвійне зчитування радіологом), так і підходів до скринінгу на основі штучного інтелекту.
Інструмент штучного інтелекту (INSIGHT MMG, версія 1.1.7.2), який використовувався в цьому дослідженні, був розроблений у співпраці з Lunit Inc., однак остання не мала доступу до даних дослідження або не мала впливу на методології чи результати. Алгоритм перевіряє дані мамографії та надає специфічну для учасника безперервну частоту виявлення раку (діапазон = 0-100), причому вищі значення свідчать про вищий ризик раку молочної залози. У дослідженні порівнювали ці показники, включаючи абсолютні відмінності між двома молочними залозами, на послідовних мамографіях і оцінювали, як ці показники корелювали з подальшими діагнозами раку молочної залози, на додаток до порівняння з оцінками традиційних радіологів.
Раніше отримані мамографії мали прогностичну силу: навіть за чотири роки до встановлення діагнозу схильні до раку груди вже мали вдвічі вищі показники ШІ, ніж здорові груди (19,2 проти 7,1).
Після виключення учасників з неповною або недостатньою кількістю мамографії та подальшого спостереження, 116 495 учасників були піддані подальшому аналізу. Жінки, у яких розвинувся рак молочної залози, мали значно вищі середні показники ШІ та великі абсолютні відмінності в оцінках між грудьми в роки до встановлення діагнозу порівняно з жінками, які не мали раку. Наприклад, серед жінок, у яких розвинувся рак, виявлений за допомогою скринінгу, середні показники ШІ для уражених грудей становили 19,2, 30,8 та 82,7 у першому, другому та третьому раундах дослідження відповідно. Навпаки, здорові учасники повідомили про середні бали ШІ 9,5, 8,2 і 5,0 у тих же раундах дослідження.
Навпаки, жінки, у яких не було діагностовано рак молочної залози протягом періоду дослідження, мали середні показники ШІ 7,1, 6,7 та 6,4 відповідно. Аналіз чутливості підтвердив ці результати, підкресливши надійність прогнозів ШІ. Важливо, що автори дослідження зазначають, що ці результати свідчать про те, що інструменти штучного інтелекту можуть дозволити виявляти жінок з підвищеним ризиком за 4-6 років до діагностики раку молочної залози, що дозволяє розглянути можливість додаткового скринінгу або більш частого спостереження. У дослідженні також порівнювали дискримінаційну ефективність інструменту штучного інтелекту (AUC) з усталеними клінічними калькуляторами ризику, такими як моделі Тайрера-Кузіка та BCRAT, і виявили, що оцінки ШІ забезпечують аналогічну або кращу дискримінацію для короткострокової оцінки ризику.
Однак важливо зазначити, що алгоритм штучного інтелекту не «діагностував» рак на кілька років вперед, а скоріше сигналізував про підвищений ризик, заснований на особливостях зображення. Дослідження не надає доказів того, що раннє виявлення ризиків на основі штучного інтелекту безпосередньо призводить до покращення виживання пацієнтів або зниження економічних витрат; Такі твердження залишаються гіпотетичними і потребують подальшого вивчення.
Це велике популяційне дослідження демонструє, що комерційний інструмент штучного інтелекту для виявлення раку молочної залози може виявляти тонкі ознаки мамографії за роки до постановки діагнозу раку молочної залози, що підтверджує його потенційну роль у стратегіях скринінгу на основі ризиків. Однак необхідно визнати кілька обмежень: ретроспективний дизайн, оцінка одного комерційного алгоритму штучного інтелекту та переважно однорідне (переважно біле) населення. Автори наголошують на необхідності подальшої валідації в більш різноманітних популяціях та проспективних дослідженнях для визначення оптимальної клінічної інтеграції оцінки ризику на основі ШІ. Майбутні дослідження мають бути спрямовані на перевірку цих висновків у різних популяціях та ефективну інтеграцію оцінок ризиків на основі штучного інтелекту в стандартну клінічну практику.
