AI i radiolodzy razem skuteczniejsi. Nowa hybrydowa metoda w mammografii

Holenderscy naukowcy opracowali hybrydową metodę interpretacji mammogramów, łączącą sztuczną inteligencję i radiologów. Strategia zastosowana retrospektywnie w ponad 40 tys. badań zmniejszyła obciążenie lekarzy o 38%, zachowując wskaźniki wykrywalności raka piersi. Wyniki pracy opublikowano w czasopiśmie "Radiology".

Sztuczna inteligencja w obrazowaniu medycznym rozwija się błyskawicznie, ale jej błędy wciąż budzą wątpliwości.

Badacze z Holandii postanowili sprawdzić, jak można połączyć moc algorytmów z doświadczeniem lekarzy, zamiast zastępować jednych drugimi. Opracowana przez nich strategia opiera się na ocenie prawdopodobieństwa złośliwości guza (PoM) przez AI, a także na ocenie pewności tej prognozy.

Do badania wykorzystano dane z holenderskiego programu przesiewowego w kierunku raka piersi. Analizie poddano 41 469 mammogramów wykonanych u 15 522 kobiet w latach 2003–2018 w Utrechcie. W tej grupie wykryto 332 nowotwory w badaniu przesiewowym oraz 34 nowotwory interwałowe.

Zbiór danych podzielono na dwie równe części. Pierwsza posłużyła do określenia progów dla strategii hybrydowej, druga – do jej oceny. Wyniki pokazały, że zastosowanie AI z dodatkową warstwą „pewności prognozy” pozwoliło zmniejszyć obciążenie radiologów o 38%, bez pogorszenia skuteczności wykrywania raka.

Każdy mammogram był oceniany przez AI pod kątem PoM oraz poziomu pewności. Jeśli system z dużą pewnością wskazywał, że wynik jest prawidłowy, badanie nie wymagało dodatkowej oceny radiologa. Jeśli wykrywał zmiany złośliwe – kierowano pacjentkę na dalszą diagnostykę, ale tylko w przypadku pewnej prognozy. Niepewne wyniki trafiały ponownie do radiologa.

Ostatecznie 38% przypadków mogło być analizowanych wyłącznie przez sztuczną inteligencję.

Wskaźniki uzyskane dzięki hybrydowej metodzie były niemal identyczne jak przy standardowym podwójnym odczycie wykonywanym przez radiologów. Wskaźnik wykrycia raka wyniósł 6,6 na 1000 badań, a wskaźnik ponownego badania – 23,7 na 1000, czyli praktycznie tyle samo, co w klasycznej praktyce klinicznej.

Czułość modelu była zbliżona do wyników radiologów (85,4% wobec 88,9%). Co ciekawe, w przypadkach, w których AI była pewna swojej decyzji, pole pod krzywą ROC (AUC) wyniosło 0,96, co przewyższało wynik uzyskany przez radiologów (0,87).

Badacze zauważają, że choć wiele kobiet pozytywnie ocenia wykorzystanie AI w badaniach przesiewowych, większość woli, by ich mammogram obejrzał co najmniej jeden radiolog.

Jej zdaniem lekarze powinni skupiać się przede wszystkim na analizie przypadków niepewnych oraz wycofanych przez AI. To mogłoby przyspieszyć pracę, nie obniżając jakości opieki.

Zespół badaczy wskazuje, że konieczne są dalsze, najlepiej prospektywne badania, aby sprawdzić, jak strategia sprawdzi się w codziennej praktyce klinicznej.

Choć do tego momentu jeszcze daleko, hybrydowa metoda otwiera drzwi do bardziej efektywnej diagnostyki i daje nadzieję na odciążenie radiologów w systemach opieki zdrowotnej borykających się z brakami kadrowymi.