20% din biopsiile pentru cancerul de sân ar putea fi evitate utilizând un algoritm AI pentru interpretarea RMN
Utilizarea unui algoritm de învățare profundă (deep-learning, un tip de inteligenţă artificială) creşte acurateţea şi contribuie la evitarea rezultatelor fals pozitive ale RMN-urilor (Rezonanţă Magnetică Nucleară/ Imagistică prin Rezonanţă Magnetică – MRI) de sân efectuate pentru diagnosticarea cancerului mamar, conform unui studiu publicat în Science Translational Medicine. Precizia algoritmului a fost similară cu cea a radiologilor, însă utilizarea combinată a rezultatelor oferite de modelul AI şi a interpretării imaginilor RMN de către profesioniştii în imagistică a îmbunătăţit acuratețea generală.
Această abordare contribuie la personalizarea traseului pacientului şi la evitarea consumului nejustificat de resurse, prin reducerea numărului de biopsii care nu sunt necesare cu 20%. Algoritmul de deep learning a fost testat în cadrul departamentului de radiologie al New York University, School of Medicine.
Utilizarea RMN permite depistarea cancerului mamar cu sensibilitate şi specificitate ridicate. Screeningul pentru neoplaziile sânului prin această metodă a fost anterior limitat la pacientele cu risc ridicat, însă femeile cu risc mediu sau obişnuit ar putea beneficia, de asemenea, de pe urma acestei proceduri. Dacă rezultatul scanării RMN sugerează un potenţial cancer mamar, pacientei îi va fi efectuată o biopsie pentru confirmarea diagnosticului, însă pentru fiecare biopsie care confirmă cancerul mamar, între 2 și 4 vor fi negative. Aceste rezultate fals pozitive la examenul RMN pot să determine un stres ridicat nejustificat asupra pacientelor şi, de asemenea, reprezintă un consum important de resurse pentru sistemul de sănătate. Minimizarea numărului de proceduri diagnostice care nu sunt necesare (numărul de biopsii) se poate realiza prin creşterea specificităţii şi a valorii predictive pozitive a rezultatelor RMN.
Modelul de deep learning a fost antrenat cu ajutorul a 21.500 de scanări DCE-MRI (dynamic contrast-enhanced MRI) de la 13.500 de paciente. Algoritmul a fost validat suplimentar cu ajutorul unor seturi de date independente din Polonia şi Statele Unite. Modelul AI a fost testat în comparaţie cu interpretările oferite de 5 radiologi cu experienţă.
Citeşte şi:
- Screeningul anual prin RMN, inițiat de la 30 de ani, ar putea reduce mortalitatea prin cancer de sân cu mai mult de 50% pentru femeile care au mutații la nivelul genelor ATM, CHEK2 și PALB2
- Cum putem scădea riscul de cancer de sân?
- Parteneriat ASCO – OMS: Inovațiile științifice trebuie însoțite de inovații sociale pentru reducerea inegalităților. Cancerul de sân, exemplu pentru implementarea medicinei de precizie