هوش مصنوعی غربالگری سرطان سینه را با دقت بالاتر متحول می کند

فهرست مطالب نمایش

پیشرفت‌های هوش مصنوعی در دانمارک، تشخیص سرطان سینه را به طور قابل توجهی بهبود بخشیده و در عین حال نتایج مثبت کاذب را کاهش داده است.

طبق مطالعه‌ای که در مجله‌ی رادیولوژی منتشر شده است، هوش مصنوعی در دانمارک با افزایش میزان کشف و کاهش نتایج مثبت کاذب، غربالگری سرطان سینه را به طور قابل توجهی بهبود بخشیده است. هوش مصنوعی با طبقه بندی ماموگرافی‌هایی که احتمالاً طبیعی هستند، حجم کاری رادیولوژیست‌ها را کاهش می‌دهد و در نتیجه نیاز به خواندن مجدد را کم کرده و کارآمدی کلی غربالگری را افزایش می‌دهد.

رادیولوژیست‌های سینه در دانمارک با استفاده از هوش مصنوعی (AI) عملکرد غربالگری سرطان سینه را بهبود بخشیده و میزان نتایج مثبت کاذب را کاهش داده‌اند. نتایج این مطالعه اخیرا در رادیولوژی، مجله‌ی انجمن رادیولوژی آمریکای شمالی (RSNA) منتشر شد.

در حالی که ماموگرافی با موفقیت مرگ و میر ناشی از سرطان سینه را کاهش می‌دهد، اما خطر نتایج مثبت کاذب را نیز به همراه دارد. در سال‌های اخیر، محققان استفاده از سیستم‌های هوش مصنوعی در غربالگری را مورد بررسی قرار داده‌اند.

پتانسیل هوش مصنوعی در بهبود غربالگری

دکتر آندرس دی. لائوریتزن، دانشجوی پسادکتو در دانشگاه کپنهاگ و محقق بیمارستان گنتوفته در دانمارک، گفت: «ما معتقدیم هوش مصنوعی پتانسیل بهبود عملکرد غربالگری را دارد.»

هنگامی که از هوش مصنوعی برای غربالگری نتایج احتمالا طبیعی یا کمک به تصمیم‌گیری استفاده شود، همچنین می‌تواند حجم کاری رادیولوژیست‌ها را به طور قابل توجهی کاهش دهد.

دکتر لائوریتزن گفت: غربالگری مبتنی بر جمعیت با ماموگرافی مرگ و میر ناشی از سرطان سینه را کاهش می‌دهد، اما حجم کاری قابل توجهی را بر دوش رادیولوژیست‌هایی می‌گذارد که باید تعداد زیادی ماموگرافی را بخوانند که اکثر آن‌ها نیاز به فراخوان مجدد بیمار را ندارند.

حجم کاری خواندن بیشتر می‌شود زمانی که برنامه‌های غربالگری از خواندن دوگانه برای بهبود تشخیص سرطان و کاهش فراخوان‌های مثبت کاذب استفاده می‌کنند.

تصویربرداری از زنی که تراکم سیستم گزارش و داده تصویربرداری سینه (BI-RADS) او ۲ بود و در زمان غربالگری با سیستم هوش مصنوعی (AI) ۵۷ سال داشت.

(A) نمای ماموگرافی دیجیتال تمام میدان مورب راست داخلی (mediolateral oblique) نشانگر علامت گذاری شده توسط هوش مصنوعی (مربع) است. این غربالگری بر اساس این ضایعه با نمره ۸۹ از ۱۰۰، امتیاز بالایی (۱۰) از بررسی هوش مصنوعی دریافت کرد.
(B) تصویر مشابه تصویر A، اما با یافته‌های رادیولوژیست‌ها. به دلیل امتیاز بالای بررسی هوش مصنوعی، این غربالگری توسط دو رادیولوژیست دوبار خوانده شد که آنها همان ضایعه (بیضی، A1) را به عنوان سیستم هوش مصنوعی علامت گذاری کردند که منجر به فراخوان مجدد شد.
(C) تصویر برش خورده سونوگرافی، کارسینوم تهاجمی کوچک (۴ × ۷ میلی‌متر) (خط) را نشان می‌دهد که در حین بررسی تشخیصی مشاهده شد. اعتبار: انجمن رادیولوژی آمریکای شمالی (RSNA)

طراحی و روش‌های مطالعه

دکتر لائوریتزن و همکارانش قصد داشتند تا حجم کاری و عملکرد غربالگری را در دو گروه از زنانی که قبل و بعد از اجرای هوش مصنوعی تحت غربالگری قرار گرفتند، مقایسه کنند.

این مطالعه گذشته‌نگر، دو گروه از زنان بین ۵۰ تا ۶۹ ساله را که تحت غربالگری ماموگرافی دوسالانه در منطقه پایتخت دانمارک قرار گرفتند، مقایسه کرد.

در گروه اول، دو رادیولوژیست ماموگرافی‌های زنانی را که بین اکتبر ۲۰۲۰ تا نوامبر ۲۰۲۱ قبل از اجرای هوش مصنوعی غربالگری شده بودند، خواندند. ماموگرافی‌های غربالگری گروه دوم زنان که بین نوامبر ۲۰۲۱ و اکتبر ۲۰۲۲ انجام شد، ابتدا توسط هوش مصنوعی تجزیه و تحلیل شد.

ماموگرافی‌هایی که توسط هوش مصنوعی به احتمال زیاد طبیعی در نظر گرفته می‌شدند، سپس توسط یکی از ۱۹ رادیولوژیست پستان تمام وقت متخصص (خوانش تکی) خوانده می‌شدند. سایر ماموگرافی‌ها توسط دو رادیولوژیست (خوانش دوگانه) با پشتیبانی تصمیم‌گیری با کمک هوش مصنوعی خوانده شدند.

سیستم هوش مصنوعی موجود در بازار که برای غربالگری استفاده می‌شد، توسط مدل‌های یادگیری عمیق برای برجسته‌سازی و امتیازدهی به ضایعات و رسوبات مشکوک در ماموگرافی‌ها آموزش دیده بود. تمام زنانی که تحت غربالگری ماموگرافی قرار گرفتند، حداقل به مدت ۱۸۰ روز پیگیری شدند. سرطان‌های تهاجمی و کارسینوم مجرای درجا (DCIS) که از طریق غربالگری تشخیص داده شدند، از طریق بیوپسی سوزنی یا نمونه‌های جراحی تأیید شدند.

نتایج پیاده‌سازی هوش مصنوعی

در مجموع، ۶۰,۷۵۱ زن بدون هوش مصنوعی و ۵۸,۲۴۶ زن با سیستم هوش مصنوعی غربالگری شدند. در گروه پیاده‌سازی هوش مصنوعی، ۶۶.۹% (۳۸,۹۷۷) از غربالگری‌ها تک‌خوان و ۳۳.۱% (۱۹,۲۶۹) دوبار خوانده شده با کمک هوش مصنوعی بودند.

غربالگری با سیستم هوش مصنوعی نسبت به غربالگری بدون هوش مصنوعی، سرطان‌های سینه بیشتری را تشخیص داد (۰.۸۲% در مقابل ۰.۷۰%) و نرخ مثبت کاذب پایین‌تری داشت (۱.۶۳% در مقابل ۲.۳۹%).

دکتر لائوریتزن گفت: «در گروه غربالگری‌شده با هوش مصنوعی، نرخ فراخوان مجدد ۲۰.۵ درصد کاهش یافت و حجم کاری خواندن رادیولوژیست‌ها ۳۳.۴ درصد کاهش یافت.»

ارزش پیشگویانه مثبت غربالگری با هوش مصنوعی نیز بیشتر از غربالگری بدون هوش مصنوعی بود (۳۳.۵% در مقابل ۲۲.۵%). در گروه هوش مصنوعی، نسبت بالاتری از سرطان‌های تهاجمی تشخیص داده شده به اندازه ۱ سانتی‌متر یا کمتر بودند (۴۴.۹۳% در مقابل ۳۶.۶۰%).

نتایج و تحقیقات آتی

دکتر لائوریتسن گفت: «همه شاخص‌های عملکرد غربالگری به جز نرخ منفی از نظر غدد لنفاوی که هیچ نشانه‌ای از تغییر را نشان نداد، بهبود یافت.»

همچنین گفت: «تحقیقات بیشتری برای ارزیابی نتایج بلندمدت و اطمینان از عدم افزایش تشخیص بیش از حد ضروری است.»

او گفت: «رادیولوژیست‌ها معمولاً به ماموگرافی‌های غربالگری قبلی زنان دسترسی دارند، اما سیستم هوش مصنوعی این دسترسی را ندارد. این چیزی است که ما می‌خواهیم در آینده روی آن کار کنیم.»

همچنین مهم است که توجه داشته باشید که همه کشورها از پروتکل‌ها و فواصل زمانی یکسان برای غربالگری سرطان سینه پیروی نمی‌کنند. پروتکل‌های غربالگری سرطان سینه ایالات متحده با پروتکل‌های استفاده شده در دانمارک متفاوت است.

همچنین بخوانید:

مترجم: محمد صادق محمودی لرد

منبع

از این مطلب چقدر راضی بودید؟

روی ستاره کلیک کنید تا نظرتون ثبت بشه