Radiology: Скрининг на рак молочной железы в будущем могут доверить ИИ

Используя стандартизированную оценку, исследователи из Великобритании сравнили эффективность работы коммерческого алгоритма искусственного интеллекта, или ИИ, и человека, читающего скрининговые маммограммы.

Результаты исследования опубликованы в журнале Radiology, который издает Радиологическое общество Северной Америки (RSNA).

Маммографический скрининг позволяет выявить не все виды рака молочной железы. Ложноположительные интерпретации могут приводить к тому, что женщины, не имеющие рака, подвергаются ненужной визуализации и биопсии. Для повышения чувствительности и специфичности скрининговой маммографии одним из решений является интерпретация каждой маммограммы двумя специалистами.

По мнению исследователей, двойная интерпретация повышает частоту выявления рака на 6-15% и сохраняет низкий процент пересмотра результатов. Однако эта стратегия довольно трудоемкая и трудноосуществимая в условиях нехватки специалистов.

Есть большое желание быстро внедрить искусственный интеллект для решения этих проблем, но нам необходимо сделать это правильно, чтобы защитить здоровье женщин, — говорит Ян Чен, доктор философии, профессор кафедры цифрового скрининга Ноттингемского университета (Великобритания).

Профессор Чен и ее исследовательская группа использовали наборы тестов из программы Personal Performance in Mammographic Screening (PERFORMS), используемой Национальной службой здравоохранения Великобритании для оценки качества скрининга молочной железы (NHSBSP), чтобы сравнить производительность человеческих считывателей и искусственного интеллекта. Один тест PERFORMS состоит из 60 сложных обследований из NHSBSP с аномальными, доброкачественными и нормальными результатами. Для каждой тестовой маммограммы оценка, полученная читателем, сравнивается с истинными результатами ИИ.

Очень важно, чтобы люди, работающие в области скрининга рака молочной железы, демонстрировали удовлетворительные результаты, — сказала она.

То же самое будет справедливо и для ИИ, когда он войдет в клиническую практику.

Исследовательская группа использовала данные двух последовательных наборов тестов PERFORMS, или 120 скрининговых маммограмм, и те же два набора для оценки работы алгоритма ИИ. Исследователи сравнили результаты тестов ИИ с оценками 552 читателей-людей, включая 315 (57%) сертифицированных доктором радиологов и 237 читателей-нерадиологов, состоящих из 206 рентгенологов и 31 врача-маммолога.

552 человека, участвовавшие в нашем исследовании, представляют 68% читателей в NHSBSP, поэтому это позволяет провести надежное сравнение производительности между людьми и искусственным интеллектом, — говорит профессор Чен.

Если рассматривать каждую молочную железу отдельно, то 161/240 (67%) молочных желез были нормальными, 70/240 (29%) — со злокачественными образованиями и 9/240 (4%) — с доброкачественными образованиями. Наиболее частым злокачественным маммографическим признаком было образование (45/70 или 64,3%), за ним следовали кальцификаты (9/70 или 12,9%), асимметрия (8/70 или 11,4%) и архитектурные искажения (8/70 или 11,4%). Средний размер злокачественных образований составил 15,5 мм.

Различий в эффективности работы ИИ и человека при выявлении рака молочной железы в 120 исследованиях не наблюдалось. Человеческий считыватель продемонстрировал среднюю чувствительность 90% и специфичность 76%. ИИ был сопоставим по чувствительности (91%) и специфичности (77%) по сравнению с человеческими читателями.

Результаты этого исследования убедительно подтверждают, что ИИ для скрининга рака молочной железы может работать так же хорошо, как и человек, — сказал профессор Чен.

По словам профессора Чен, прежде чем использовать ИИ в качестве второго считывающего устройства в клинической практике, необходимо провести дополнительные исследования.

Я думаю, что пока рано говорить о том, как именно мы будем использовать ИИ в скрининге молочной железы, — заявила она.

Крупные проспективные клинические исследования, которые проводятся в настоящее время, расскажут нам больше. Но независимо от того, как мы будем использовать ИИ, способность обеспечить постоянный мониторинг эффективности будет иметь решающее значение для его успеха.

По словам профессора Чен, важно понимать, что производительность ИИ может со временем дрейфовать, а на алгоритмы могут влиять изменения в операционной среде.

Крайне важно, чтобы в центрах визуализации был разработан процесс постоянного мониторинга ИИ после того, как он войдет в клиническую практику, — заключает она.

Не существует пока других исследований, в которых бы сравнивали способности чтения данных человека и искусственного интеллекта, поэтому данное исследование может послужить моделью для оценки эффективности ИИ в реальных условиях.

05.09.2023