Sztuczna inteligencja sprawniej wykrywa raka piersi, niż radiolodzy

Sztuczna inteligencja wykrywa więcej nowotworów piersi niż radiolodzy, przy czym rzadziej zdarzają się fałszywe alarmy – informuje „Radiology”, pismo Radiological Society of North America (RSNA).

Lepszy sposób wykrywania nowotworu

.Mammografia, czyli badanie obrazowe piersi za pomocą promieni rentgenowskich skutecznie zmniejsza śmiertelność z powodu raka piersi dzięki wczesnemu wykrywaniu nowotworów w badaniach przesiewowych, jednak niesie za sobą ryzyko wyników fałszywie dodatnich. Tak zwana nadrozpoznawalność to rozpoznawanie schorzeń u pacjentów, którzy w rzeczywistości ich nie mają, przez co w razie wdrożenia terapii narażeni są na skutki uboczne inwazyjnej diagnostyki leczenia. W przypadku raka piersi rozpoznanie fałszywie dodatnie naraża pacjentkę na stres, konieczna jest inwazyjna diagnostyka, a czasami zabieg chirurgiczny.

„Wierzymy, że sztuczna inteligencja może poprawić skuteczność badań przesiewowych” – powiedział dr Andreas D. Lauritzen, doktorant na Uniwersytecie w Kopenhadze i badacz w szpitalu Gentofte w Danii. Jak wykazały duńskie badania (https://pubs.rsna.org/doi/10.1148/radiol.232479), AI pozwala poprawić skuteczność badań przesiewowych w kierunku raka piersi i zmniejszyć odsetek wyników fałszywie dodatnich.

Sztuczna inteligencja, wykorzystywana do selekcji prawdopodobnych normalnych wyników badań przesiewowych lub wspomagania decyzji, może również znacznie zmniejszyć obciążenie pracą radiologa.

„Populacyjne badania przesiewowe za pomocą mammografii zmniejszają śmiertelność z powodu raka piersi, ale nakładają znaczne obciążenie pracą na radiologów, którzy muszą odczytywać dużą liczbę mammografii, z których większość nie uzasadnia wezwania pacjentki do szpitala – podkreślił dr Lauritzen. – Obciążenie jest jeszcze większe, gdy w programach badań przesiewowych stosuje się podwójny odczyt, aby poprawić wykrywanie raka i zmniejszyć liczbę fałszywie pozytywnych wyników.”

Dr Lauritzen i współpracownicy postanowili porównać obciążenie pracą i wyniki badań przesiewowych w dwóch grupach kobiet, które przeszły badania przesiewowe przed i po wdrożeniu sztucznej inteligencji.

W badaniu retrospektywnym porównano dwie grupy kobiet w wieku od 50 do 69 lat, które co dwa lata poddawały się badaniom mammograficznym w stołecznym regionie Danii.

W pierwszej grupie dwóch radiologów zapoznało się z mammogramami kobiet przebadanych w okresie od października 2020 r. do listopada 2021 r., zanim sztuczna inteligencja zostala wdrożona do badań. Mammografie przesiewowe drugiej grupy kobiet wykonane od listopada 2021 r. do października 2022 r. zostały wstępnie przeanalizowane przez sztuczną inteligencję. Mammogramy uznane przez sztuczną inteligencję za prawdopodobnie prawidłowe zostały następnie ocenione przez jednego z 19 wyspecjalizowanych radiologów piersi pracujących w pełnym wymiarze godzin (tzw. pojedynczy odczyt). Pozostałe mammogramy zostały odczytane przez dwóch radiologów (tzw. podwójny odczyt) przy wsparciu decyzji wspomaganym sztuczną inteligencją.

Dostępny na rynku system sztucznej inteligencji używany do badań przesiewowych został przeszkolony za pomocą modeli głębokiego uczenia się w celu wyróżniania i oceniania podejrzanych zmian i zwapnień w mammogramach. Wszystkie kobiety, które przeszły badania mammograficzne, były obserwowane przez co najmniej 180 dni. Raki inwazyjne i rak przewodowy in situ (DCIS) wykryte podczas badań przesiewowych zostały potwierdzone biopsją igłową lub wycinkami chirurgicznymi.

Ogółem przebadano 60 751 kobiet bez korzystania ze sztucznej inteligencji, a 58 246 kobiet poddano badaniom przesiewowym z wykorzystaniem sztucznej inteligencji. W grupie wdrażającej sztuczną inteligencję 66,9 proc. (38 977) badań odbyło się przy pojedynczej ocenie, a 33,1 proc.(19 269) podczas podwójnego odczytu przy wsparciu AI.

Sztuczna inteligencja badająca przesiewowo rzadziej się myli

.W porównaniu z badaniami przesiewowymi bez sztucznej inteligencji, badania przesiewowe z wykorzystaniem sztucznej inteligencji wykazały znacznie więcej przypadków raka piersi (0,82 proc. w porównaniu z 0,70 proc.) i charakteryzowały się niższym odsetkiem wyników fałszywie dodatnich (1,63 proc. w porównaniu z 2,39 proc.).

„W grupie poddanej badaniu przesiewowemu AI odsetek pacjentek, które zostały poddane pogłębionej diagnostyce (recall rate) spadł o 20,5 proc., a obciążenie pracą radiologów podczas oceny mammogramów spadło o 33,4 proc.” – wskazał dr Lauritzen.

Dodatnia wartość predykcyjna (czyli więcej prawdziwych rozpoznań) badań przesiewowych z AI była również większa niż badań przesiewowych bez AI (33,5 proc. w porównaniu z 22,5 proc.). W grupie AI większy odsetek wykrytych nowotworów inwazyjnych miał rozmiar 1 centymetra lub mniejszy (44,93 proc. w porównaniu z 36,60 proc.).

„Wszystkie wskaźniki wyników badań przesiewowych poprawiły się, z wyjątkiem wskaźnika niezajętych węzłów chłonnych, który nie wykazał żadnych zmian” – zaznaczył dr Lauritzen. Jak podkreślił, potrzebne są dalsze badania, aby ocenić długoterminowe wyniki i zapobiec wzrostowi nadrozpoznawalności.

„Radiolodzy zazwyczaj mają dostęp do wcześniejszych mammografii przesiewowych kobiet, ale system sztucznej inteligencji nie ma takiego dostępu – powiedział. – To coś, nad czym chcielibyśmy popracować w przyszłości”.

Należy również zauważyć, że nie we wszystkich krajach obowiązują te same protokoły i odstępy czasu pomiędzy badaniami przesiewowymi w kierunku raka piersi. Protokoły badań przesiewowych w kierunku raka piersi w USA różnią się od protokołów stosowanych w Danii.

Współczesna medycyna cały czas się zmienia

.Prof. Michał KLEIBER, redaktor naczelny „Wszystko Co Najważniejsze”, profesor zwyczajny w Polskiej Akademii Nauk, prezes PAN 2007-2015 i minister nauki i informatyzacji 2001-2005 pisze w swoim artykule, że

Wyzwania związane z wykorzystywaniem w diagnostyce i terapii pojawiających się nieustannie nowych technologii są olbrzymie, choć nie wolno zapominać o antynomiach, czyli zagrożeniach niesionych przez niedostatecznie przemyślane wdrażanie nowych rozwiązań.

Wymienia parę spośród wielu obszarów stosowania nowych technologii w opiece zdrowotnej. 

Wykorzystywanie sztucznej inteligencji (SI). SI w ochronie zdrowia oznacza wykorzystywanie zaawansowanego oprogramowania naśladującego poznawcze zdolności człowieka do analizy danych medycznych i sugerowanie na tej podstawie diagnozy i ewentualnych działań leczniczych. Innymi słowy ,Sztuczna inteligencja, jest zdolnością komputerowych algorytmów do formułowania przydatnych dla lekarzy opinii w złożonych problemach medycznych. Zastosowania SI różnią się istotnie od tradycyjnych metod medycyny możliwością pozyskiwania wielkiej liczby informacji, ich przetwarzania i podejmowania na tej podstawie działań. Fundamentalną cechą stosowanych algorytmów jest ich zdolność do uczenia się na drodze rozpoznawania cech charakteryzujących przetwarzane dane i tworzenia na tej podstawie opinii na temat analizowanego problemu. 

Zdalne monitorowanie pacjenta (RPM – remote patient monitoring). RPM to ważne uzupełnienie spopularyzowanej w czasie pandemii telemedycyny, umożliwiające zdalne przekazywanie lekarzowi informacji o pacjencie. Pozwala to na znaczne obniżenie kosztów leczenia i przyspiesza czas lekarskiej reakcji na objawy chorobowe. Telemedycyna – zdalne usługi kliniczne – jest naturalnym następstwem stosowanych już od dłuższego czasu metod określanych mianem telezdrowia, obejmujących rejestrowane przez smartfony informacje niekliniczne, takie jak liczba wykonanych kroków, ciśnienie krwi i tętno, wzorce snu czy elektrokardiogram, i przekazujące te dane w trybie ciągłym do centrum diagnostycznego. System może także przypominać o porach zażywania właściwych leków i zachęcać do zachowań prozdrowotnych Zaawansowane badania prowadzone są dzisiaj także w zakresie opracowywania wynalazków do stosowania wewnątrz organizmu (np. połykane kapsułki przesyłające zmierzone wartości poziomu glukozy bądź obrazy z wnętrza organizmu), a także urządzeń implantowalnych. 

Wnikliwa analiza obrazowania medycznego – zdjęć rentgenowskich, rezultatów rezonansu magnetycznego czy tomografii komputerowej. Stwierdzono na przykład, że opracowany w Australii i bazujący na sztucznej inteligencji program XRAIT diagnozuje na podstawie zdjęć rentgenowskich osteoporozę znacznie trafniej niż najbardziej doświadczeni lekarze. Dalsze zastosowania precyzyjnej analizy obrazów medycznych wykorzystującej olbrzymie bazy danych porównawczych będą z pewnością niebawem się pojawiać.

Robotyka chirurgiczna. Niezwykle szybko poszerzają się możliwości medycznych zastosowań robotów, które wspomagają chirurgów w przeprowadzaniu zabiegów, dokonując na bieżąco szczegółowej analizy obrazu pola operacyjnego. Chirurgia robotyczna jest małoinwazyjna i bardziej chroni przed infekcją. Dowodem postępu jest wykorzystywany także w Polsce robot da Vinci – wprowadzenie szybkich internetowych połączeń 5G umożliwi wkrótce zdalne przeprowadzanie operacji z udziałem specjalistów z nawet bardzo odległych szpitali. Niebawem spodziewać się możemy wykorzystywania nanorobotów wędrujących w organizmie pacjenta. 

PAP/WszystkocoNajważniejsze/MB