ИИ выявляет треть интервальных случаев рака молочной железы, пропущенных при скрининге

Алгоритм искусственного интеллекта для скрининга рака молочной железы способен повысить эффективность цифровой томосинтезной маммографии (DBT), снижая уровень интервальных раков до одной трети, согласно исследованию, опубликованному сегодня в журнале Radiology.

Интервальные раки молочной железы — это симптоматические опухоли, диагностируемые в промежутке между плановыми скрининговыми маммографиями. Такие случаи, как правило, имеют худший прогноз из-за более агрессивного течения болезни и быстрого роста опухоли. DBT, или 3D-маммография, обеспечивает улучшенную визуализацию образований в молочной железе и позволяет выявить опухоли, которые могут быть скрыты плотной тканью. Однако, поскольку DBT — сравнительно новая технология, долговременные данные о результатах лечения у пациентов в учреждениях, недавно внедривших этот метод, остаются ограниченными.

«Учитывая нехватку данных о смертности от рака молочной железы на горизонте более 10 лет после начала скрининга с использованием DBT, уровень интервальных раков часто используется как косвенный показатель», — объясняет автор исследования доктор Маниша Бал (Manisha Bahl), директор по качеству отдела визуализации молочной железы в Массачусетской больнице общего профиля и доцент Гарвардской медицинской школы.
«Понижение этого уровня предполагает снижение заболеваемости и смертности от рака молочной железы».

Исследование: ИИ выявляет недообнаруженные опухоли

В исследовании 1 376 случаев, Бал и её коллеги ретроспективно проанализировали 224 случая интервального рака у 224 женщин, прошедших DBT-скрининг. На этих снимках алгоритм ИИ Lunit INSIGHT DBT v1.1.0.0 корректно локализовал 32,6% (73 из 224) ранее не выявленных опухолей.

«Мы были удивлены тем, что почти треть интервальных опухолей была обнаружена и точно локализована алгоритмом ИИ на тех маммограммах, которые ранее были интерпретированы радиологами как нормальные. Это подчёркивает потенциал ИИ в роли “второго читателя”, — сказала Бал.

По словам исследователей, это, возможно, первое опубликованное исследование, специально посвящённое использованию ИИ для выявления интервальных раков на DBT-снимках.

«Ранее ИИ уже применяли для поиска интервальных раков на обычных двухмерных цифровых маммограммах, но, насколько нам известно, в литературе ещё не публиковалось работ по ИИ-выявлению интервальных опухолей именно на 3D-томосинтезных сканах», — объяснила Бал.

Методология: на уровне поражения, а не просто снимка

Чтобы не переоценить чувствительность алгоритма, команда Бал использовала анализ по конкретным поражениям: ИИ получал «засчитанное попадание» только если правильно определял и локализовал точное место опухоли.

«В противоположность этому, анализ на уровне всего снимка может дать ИИ “зачёт” даже при неправильной аннотации — это искусственно завышает чувствительность», — добавляет она.
«Фокус на точности локализации поражения даёт более достоверную оценку клинической эффективности алгоритма».

Что именно находит ИИ?

• Опухоли, обнаруженные алгоритмом, как правило, были более крупными
• Чаще оказывались с поражением лимфоузлов
• Это может означать, что ИИ в первую очередь выявляет агрессивные или быстрорастущие опухоли, либо те, которые уже были в продвинутой стадии, но были пропущены врачами при скрининге

Общие результаты:

Среди 1 000 пациентов (включая как пациентов с подтверждёнными опухолями, так и с доброкачественными или ложно положительными результатами), ИИ:

• Правильно локализовал 84,4% из 334 истинно-положительных случаев
• Верно классифицировал 85,9% из 333 истинно-отрицательных
• Отклонил как ложные 73,2% из 333 ложно-положительных случаев

Выводы и значение

«Наше исследование показало, что ИИ-алгоритм может ретроспективно выявить и точно локализовать почти треть интервальных раков молочной железы на скрининговых DBT-снимках. Это указывает на его потенциал к снижению частоты интервальных раков и улучшению результатов скрининга», — сказала доктор Бал.

«Наши результаты поддерживают интеграцию ИИ в рабочие процессы DBT, чтобы повысить точность выявления рака. Однако реальное влияние будет зависеть от того, насколько радиологи примут и адаптируют ИИ в клинической практике, а также от проверки его эффективности в разных клинических условиях».