Kombinasjon av AI-basert bildeanalyse og bildebasert risikoscoring viste evne til å forutsi langsiktig brystkreftrisiko.

HVORFOR ER DET VIKTIG

I rapporterepublisert i Journal of Clinical Oncologyforskere brukte Screenpoint Medicals Transpara-eksamenspoeng med Volparas TruDensity-programvare for å studere hvordan kombinasjonen kan hjelpe radiologer med å forutsi langsiktig risiko for avansert brystkreft og brystkreft.

Mayo Clinic og UCSF ekstraherte todimensjonale fullfelts digitale mammografier tatt 2 til 5,5 år før kreftdiagnose hos 2412 kvinner med invasiv brystkreft og 4995 kontroller fra to amerikanske mammografikohorter.

De fant at bruk av AI-basert bildeanalyse med et bildebasert risikoverktøy som kategoriserer undersøkelser ville tillate radiologer å kvantifisere brystvev nøyaktig fordi bildeprogramvare reduserer leservariasjonen i brysttetthetsvurdering.

TruDensity AI-algoritmen bruker en kombinasjon av røntgenfysikk og maskinlæring for å generere en nøyaktig volumetrisk måling av brystsammensetningen for å eliminere variasjoner som kan være et resultat av menneskelig tolkning, ifølge den nye studien. American.

«Brysttetthet er en kritisk faktor i vurderingen av brystkreftrisiko, og objektiv, volumetrisk måling av tetthet er avgjørende,» sa Dr. Ralph Highnam, Volparas Chief Science and Innovation Officer. Health, i en uttalelse.

«Med kraften til AI kan vi avdekke verdifull innsikt som hjelper klinikere å identifisere de som er i fare for kreft og tilpasse screening og forebyggingsstrategier.»

Denne retrospektive studien gjenspeiler en tidligere studie publisert i mars i Europeisk radiologi som slo sammen screeningsresultater av kvinner som går på BreastScreen Norge med AI-skåre og utforsket konsensus, tilbakekalling og kreftdeteksjon for ulike teoretiske AI-scenarier og skjermlesende radiologer.

Den norske studien testet tilnærmingen – ved hjelp av Transpara-undersøkelsesresultater og TruDensity-bildeanalyse – for å vurdere 949 skjermoppdagede brystkrefttilfeller, 305 intervallkrefttilfeller og 13 646 negative undersøkelser utført mellom 2010 og 2018.

«Vi vurderte brystavbildningsrapportering og datasystemtetthet, en AI malignitetsscore (1-10) og volumetriske tetthetsmål,» sa de amerikanske forskerne i deres sammendrag.

«Vi brukte betinget logistisk regresjon for å estimere oddsratioer, 95 % CI, aldersjustert, BMI og C-statistikk for å beskrive assosiasjonen av AI-score med kreftinvasiv og dets bidrag til modeller med brysttetthetsmålinger,» sa de.

Mens AI-skåren forbedret prediksjon av alle krefttyper i modeller med tetthetsmål og forbedret diskriminering for avansert kreft, nådde ikke tilnærmingen statistisk signifikans for kreft med intervall eller brystkreft oppdaget mellom mammografiscreeninger.

De norske forskerne bemerket at 20-30 % av krefttilfellene oppdaget ved screening og intervaller er klassifisert som savnet i retrospektive informerte oversiktsstudier, og siterte dobbeltlesingsprotokollen og mangelen på europeiske radiologer som en risiko for behovet for AI- basert diagnoseverktøy.

«AI-systemer har blitt foreslått som et verktøy for å støtte eller til og med erstatte radiologer i leseprosessen,» skriver de i fullstendig rapport. De var i stand til å sammenligne ytelsen til AI med dobbeltlesing av radiologer.

«Nøyaktigheten til AI-systemet var sammenlignbar med den til en leser i en dobbel uavhengig leserinnstilling,» sa de.

DEN STORE TRENDEN

I flere år har kampen mot brystkreft vært komplisert av lesing av mammografi hos kvinner med høye nivåer av brystvevstetthet. Målet er å fremme tidlig oppdagelse og få kvinner til å søke behandling raskere – og å dempe økningen dødsrate for brystkreft over hele verden.

Brystkreft er ikke det eneste området der kunstig intelligens kan hjelpe radiologer, og mange frykter at AI vil erstatte leger.

Mens de umiddelbare og langsiktige fordelene med AI kan fremme en diagnose og deretter veilede beslutninger om omsorgsledelse, trenger leverandørene trygghet, ifølge Dr. Michael Donovan, medgründer og medisinsk sjef for PreciseDx, en bedriftshelseinformatikk som bruker AI til å tilpasse medisin.

«Et sentralt poeng er at med disse fordelene og effektiviteten av AI-gitt omsorg til legen, er den ultimate dommeren, fra et diagnostisk, etisk og medisinsk perspektiv, legen,» sa han. Nyheter om helseinformatikk i januar.

«For eksempel kan AI alene ikke stille den endelige diagnosen på en røntgenskanning eller gi en definitiv diagnose på en pasients bilde av deres nålebiopsiprøve.»

REGISTRERING

«Selv om vi har visst i flere tiår at tetthet og risiko for brystkreft er korrelert, har nyere forskning virkelig fremmet vår evne til å bedre forstå effekten av tetthet kombinert med bildebasert risiko for å drive medisin. tilpasset kvinner,» Dr. Nico Karssemeijer , vitenskapelig sjef for Screenpoint Medical og professor ved Radboud University, sa i uttalelsen.

Andrea Fox er redaktør for Healthcare IT News.
E-post: afox@himss.org
Healthcare IT News er en HIMSS Media-publikasjon.