Tehisintellekt tuvastab kolmandiku intervallrinnavähi juhtudest, mida sõeluuringud ei võimalda

Täna ajakirjas Radiology avaldatud uuringu kohaselt võiks rinnavähi sõeluuringu tehisintellekti algoritm parandada digitaalse tomosünteesi mammograafia (DBT) toimivust, vähendades intervallvähi esinemissagedust kuni kolmandiku võrra.

Intervallrinnavähid on sümptomaatilised kasvajad, mis diagnoositakse tavapäraste sõeluuringute mammogrammide vahel. Sellistel juhtudel on agressiivsema haiguse ja kiire kasvaja kasvu tõttu tavaliselt halvem prognoos. DBT ehk 3D-mammograafia pakub rinnakahjustuste paremat visualiseerimist ja aitab tuvastada kasvajaid, mis võivad olla tiheda koe taga peidus. Kuna DBT on aga suhteliselt uus tehnoloogia, on pikaajalised tulemused patsientide kohta asutustes, mis on selle tehnika hiljuti kasutusele võtnud, piiratud.

„Arvestades rinnavähi suremuse andmete nappust, mis pärinevad pikemalt kui 10 aasta pikkusest DBT-sõeluuringust, kasutatakse sageli võrdlusnäitajana intervallvähi esinemissagedust,“ selgitab uuringu autor dr Manisha Bahl, Massachusettsi üldhaigla rinnakujutiste kvaliteedi direktor ja Harvardi meditsiinikooli dotsent.
„Selle määra langus viitab rinnavähi esinemissageduse ja suremuse vähenemisele.“

Uuring: tehisintellekt tuvastab avastamata kasvajaid

1376 juhtumi uuringus analüüsisid Bal ja tema kolleegid retrospektiivselt 224 intervallvähi juhtu 224 naisel, kellele tehti DBT-skriining. Nendel piltidel lokaliseeris Lunit INSIGHT DBT v1.1.0.0 tehisintellekti algoritm õigesti 32,6% (73 224-st) varem avastamata kasvajatest.

„Meid üllatas, et peaaegu kolmandik intervallkasvajatest tuvastati ja lokaliseeriti tehisintellekti algoritmi abil täpselt mammogrammides, mida radioloogid varem normaalseks tõlgendasid, mis rõhutab tehisintellekti potentsiaali „teise lugejana“,“ ütles Bahl.

Teadlaste sõnul võib see olla esimene avaldatud uuring, mis uurib spetsiaalselt tehisintellekti kasutamist intervallvähi tuvastamiseks DBT-piltidelt.

„Tehisintellekti on varem kasutatud intervallkasvajate tuvastamiseks tavapärastel 2D digitaalsetel mammogrammidel, kuid meie teada pole kirjanduses avaldatud uuringuid intervallkasvajate tehisintellekti abil tuvastamise kohta spetsiifiliselt 3D tomosünteesi skaneeringutel,“ selgitas Bal.

Metoodika: kahjustuse tasandil, mitte ainult hetkepilt

Algoritmi tundlikkuse ülehindamise vältimiseks kasutas Bali meeskond kahjustusepõhist analüüsi: tehisintellektile anti "hinnatud tabamus" ainult siis, kui see tuvastas ja lokaliseeris kasvaja täpse asukoha õigesti.

„Seevastu täispildi analüüs võib tehisintellektile hinnanguks anda isegi vale märkuse korral, mis kunstlikult tundlikkust suurendab,“ lisab ta.
„Kahjustuse lokaliseerimise täpsusele keskendumine annab algoritmi kliinilise toimivuse kohta usaldusväärsema hinnangu.“

Mida täpselt tehisintellekt leiab?

• Algoritmi poolt tuvastatud kasvajad olid tavaliselt suuremad
• Sagedamini lõppesid nad lümfisõlmede kahjustusega
• See võib tähendada, et tehisintellekt tuvastab peamiselt agressiivseid või kiiresti kasvavaid kasvajaid või neid, mis olid juba kaugelearenenud staadiumis, kuid mida arstid sõeluuringu käigus ei märganud.

Üldised tulemused:

1000 patsiendi seas (sealhulgas nii kinnitatud kasvajatega kui ka healoomuliste või valepositiivsete tulemustega patsiendid) AI:

• Õigesti lokaliseeriti 84,4% 334-st tõeliselt positiivsest juhtumist
• Õigesti klassifitseeriti 85,9% 333-st tõelisest negatiivsest tulemusest
• Valepositiivse tulemuse tõttu lükati tagasi 73,2% 333 valepositiivsest juhtumist

Järeldused ja olulisus

„Meie uuring näitas, et tehisintellekti algoritm suutis DBT-skriiningpiltidel retrospektiivselt tuvastada ja täpselt lokaliseerida ligi kolmandiku intervallrinnavähkidest, mis näitab selle potentsiaali vähendada intervallrinnavähkide esinemissagedust ja parandada sõeluuringu tulemusi,“ ütles dr Bahl.

„Meie tulemused toetavad tehisintellekti integreerimist diagnoosteraapia töövoogudesse, et parandada vähi avastamise täpsust. Tegelik mõju sõltub aga sellest, mil määral radioloogid tehisintellekti kliinilises praktikas kasutusele võtavad ja kohandavad, samuti selle efektiivsuse testimisest erinevates kliinilistes keskkondades.“