Исследование показало, что подростки, которые курят или вейпят, чаще употребляют каннабис
Статья
В недавнем исследовании, опубликованном в JAMA Network Open , исследователи оценили, может ли коммерческий инструмент искусственного интеллекта (ИИ), изначально разработанный для обнаружения рака груди, использовать скрининговые маммограммы для оценки риска будущего развития рака груди за годы до клинической диагностики. Они использовали когортное исследование, включающее почти 350 000 скрининговых обследований 116 495 женщин, для создания оценок обнаружения рака на основе ИИ, которые оценивались как косвенные показатели последующего риска рака груди, а не для прямой диагностики.
Результаты исследования показали, что алгоритм ИИ присваивал более высокие баллы обнаружения рака груди, у которой впоследствии разовьется рак груди, даже за 4–6 лет до клинической диагностики, по сравнению с грудью, у которой рак не развился. Это говорит о том, что коммерческие инструменты ИИ могут помочь выявить женщин с более высоким риском развития рака груди задолго до постановки диагноза, предоставляя путь для более персонализированного скрининга на основе риска и более раннего вмешательства.
Отслеживание на уровне груди выявило закономерности: у женщин, у которых впоследствии развился рак, наблюдалось постепенное увеличение разницы в показателях AI между молочными железами, начиная с 21,3 баллов за два раунда до постановки диагноза и достигая 79,0 баллов при обнаружении.
Рак молочной железы является наиболее часто диагностируемым видом рака у женщин, на его долю приходится почти 25% всех женских злокачественных новообразований (2,3 миллиона новых случаев, 2022 г.) и более 670 000 смертей ежегодно. Рутинный скрининг на основе маммографии представляет собой первую линию защиты от заболеваемости и смертности, связанных с раком молочной железы, существенно улучшая показатели выживаемости пациентов за счет раннего выявления злокачественных новообразований и их последующего своевременного лечения.
К сожалению, традиционные методы скрининга маммографии склонны к путанице в точности и надежности, поскольку в значительной степени полагаются на субъективную экспертизу людей-рецензентов (рентгенологов). Кроме того, традиционные методы скрининга не способны выявлять злокачественные опухоли молочной железы, которые развиваются между скринингами, что приводит к задержкам в обнаружении и связанным с ними клиническим и социально-экономическим недостаткам.
Последние достижения в области коммерческих инструментов искусственного интеллекта (ИИ) позволили создать основанные на данных рентгенологов оценки новообразований молочной железы и обследований, используя мельчайшие изменения в маммограммах, чтобы помочь врачам оценить риск рака молочной железы на более ранних стадиях и с большей точностью.
В то время как предыдущие исследования предполагали, что ИИ может использовать субклинические признаки маммографии для прогнозирования будущей заболеваемости раком груди, это крупномасштабное исследование научно оценило эту гипотезу с использованием когорты национальной программы скрининга.
ИИ отдавал приоритет подозрительным снимкам: для каждой молочной железы алгоритм выбирал наивысший балл между краниокаудальными и медиолатеральными косыми снимками, а затем сравнивал двусторонние результаты для выявления риска.
В настоящем исследовании оценивалась точность прогнозирования, общая производительность и надежность коммерческого инструмента ИИ для оценки будущего риска рака груди на основе данных маммографии, полученных от пациентов. Исследование использует ретроспективный когортный дизайн и придерживается руководящих принципов Усиления отчетности обсервационных исследований в эпидемиологии (STROBE).
Данные исследования были получены из программы BreastScreen Norway, входящей в Реестр онкологических заболеваний Норвегии. Она включает двухгодичный цифровой маммографический скрининг (медиолатеральная косая [MLO] и краниокаудальная [CC] проекции) более 680 000 норвежских женщин (в возрасте 50–69 лет) в период с 2004 по 2018 год. Участникам необходимо было предоставить не менее трех сканов, каждый из которых независимо оценивался с использованием как традиционных (двойное считывание рентгенологом), так и основанных на искусственном интеллекте подходов к скринингу.
Инструмент ИИ (INSIGHT MMG, версия 1.1.7.2), используемый в этом исследовании, был получен в сотрудничестве с Lunit Inc., однако последняя не имела доступа к данным исследования или влияния на методологии или результаты. Алгоритм проверяет маммограммы и предоставляет непрерывный показатель обнаружения рака, специфичный для участника (диапазон = 0-100), причем более высокие значения предполагают более высокий риск рака молочной железы. Исследование сравнивало эти показатели, включая абсолютные различия между двумя молочными железами, по последовательным маммограммам и оценивало, как эти показатели соотносились с последующими диагнозами рака молочной железы, в дополнение к сравнениям с традиционными оценками рентгенологов.
Ранее полученные маммограммы обладали предсказательной силой: даже за четыре года до постановки диагноза у молочных желез, подверженных раку, показатели AI уже были вдвое выше, чем у здоровых молочных желез (19,2 против 7,1).
После исключения участников с неполными данными или недостаточным количеством маммограмм и последующего наблюдения данные 116 495 участников были подвергнуты последующему анализу. Женщины, у которых развился рак молочной железы, имели существенно более высокие средние баллы AI и большие абсолютные различия в баллах между молочными железами за годы до постановки диагноза по сравнению с женщинами, у которых не было рака. Например, среди женщин, у которых развился рак, обнаруженный скринингом, средние баллы AI для пораженной груди составили 19,2, 30,8 и 82,7 в первом, втором и третьем раундах исследования соответственно. Напротив, здоровые участники сообщили о средних баллах AI 9,5, 8,2 и 5,0 в тех же раундах исследования.
Напротив, женщины, у которых не был диагностирован рак груди в течение периода исследования, имели средние баллы AI 7,1, 6,7 и 6,4 соответственно. Анализ чувствительности подтвердил эти результаты, подчеркнув надежность прогнозов AI. Важно отметить, что авторы исследования отмечают, что эти результаты предполагают, что инструменты AI могут позволить идентифицировать женщин с повышенным риском за 4–6 лет до диагностики рака груди, что позволяет рассмотреть возможность дополнительного скрининга или более частого наблюдения. Исследование также сравнило дискриминационную эффективность инструмента AI (AUC) с устоявшимися клиническими калькуляторами риска, такими как модели Тайрера-Кузика и BCRAT, и обнаружило, что баллы AI обеспечивали аналогичную или лучшую дискриминацию для оценки краткосрочного риска.
Однако важно отметить, что алгоритм ИИ не «диагностировал» рак за несколько лет, а скорее сигнализировал о повышенном риске на основе особенностей изображения. Исследование не предоставляет доказательств того, что раннее выявление риска на основе ИИ напрямую приводит к улучшению выживаемости пациентов или снижению экономических затрат; такие утверждения остаются гипотетическими и требуют дальнейшего изучения.
Это крупное популяционное исследование демонстрирует, что коммерческий инструмент ИИ для обнаружения рака груди может определять тонкие маммографические признаки за годы до постановки диагноза рака груди, что подтверждает его потенциальную роль в стратегиях скрининга на основе риска. Тем не менее, необходимо признать несколько ограничений: ретроспективный дизайн, оценка одного коммерческого алгоритма ИИ и в значительной степени однородная (преимущественно белая) популяция. Авторы подчеркивают необходимость дальнейшей валидации в более разнообразных популяциях и перспективных исследованиях для определения оптимальной клинической интеграции оценки риска на основе ИИ. Будущие исследования должны быть направлены на проверку этих результатов среди различных популяций и эффективную интеграцию оценок риска на основе ИИ в стандартную клиническую практику.
