PRŮVODCE odvětvími

AI v mamografii a screeningu rakoviny prsu

Umělá inteligence v mamografii používá modely analýzy obrazu k označení podezřelých oblastí na rentgenových snímcích prsu a odhadu rizika rakoviny, nejčastěji jako druhý nástroj pro čtení nebo třídění vedle radiologů, spíše než jejich náhradu.

Poslechněte si tento návodAI-vyprávěný · ~3 min

Na této stránce3 min čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost umělé inteligence v mamografii a screeningu rakoviny prsu
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

Je to důležité, protože screeningové programy se potýkají s nedostatkem radiologů a velké studie naznačují, že podpora umělé inteligence může najít více rakoviny a zároveň snížit zátěž při čtení. Otázky týkající se falešně pozitivních výsledků, intervalových rakovin a husté prsní tkáně stále ovlivňují způsob jeho použití.

Hluboký ponor

Screeningová mamografie hledá časnou rakovinu prsu u žen bez příznaků. Radiologové porovnávají pohledy na každý prs, hledají útvary, kalcifikace, asymetrie a architektonické zkreslení a rozhodují, zda ženu odvolat na další testy. Ve velké části Evropy čtou dva radiologové každé vyšetření nezávisle. Ve Spojených státech to obvykle čte jeden radiolog. Počítačem podporovaná detekce není novinkou. Tradiční CAD byl schválen na konci 90. let a stal se široce používán v USA, ale velké studie zjistily, že jednoznačně nezlepšil přesnost a přidal falešné známky. Moderní systémy hlubokého učení, jako je Lunit INSIGHT MMG, iCAD ProFound AI a ScreenPoint Transpara, se učí z velmi rozsáhlých souborů obrázků se známými výsledky a přidělují každé zkoušce skóre podezření a také regionální značky. Nejsilnější důkazy pocházejí z prospektivních studií ve skutečných screeningových programech. Švédská randomizovaná studie MASAI, která byla poprvé uvedena v The Lancet Oncology v roce 2023, používala AI k třídění testů: testy s nízkým rizikem získaly jednoho čtenáře a testy s vysokým rizikem dva. Zjistilo se, že detekce rakoviny byla přinejmenším stejně dobrá jako standardní dvojité čtení, s velkým snížením zátěže radiologů při čtení a podobnou mírou falešně pozitivních výsledků. Pozdější výsledky a studie MASAI jinde, včetně velké německé studie v reálném světě, hlásily vyšší míru detekce s podporou AI. Důležité limity zůstávají. Nalezení dalších nádorů neznamená automaticky záchranu dalších životů, protože některé zjištěné nádory rostou pomalu a klíčovým dlouhodobým opatřením jsou intervalové nádory, které se objevují mezi screeningy. Hustá prsní tkáň se na mamografech jeví jako bílá, stejně jako mnoho nádorů, které mohou skrývat rakovinu před lidmi i AI. Obvyklá mylná představa je, že umělá inteligence čte mamografy sama. V současných programech o odvolání rozhodují radiologové.

Real-World Implementace

V evropském programu dvojího čtení čte zkoušky s AI skóre jako s nízkým rizikem jeden radiolog místo dvou, zatímco zkoušky s vysokým rizikem získávají dva čtenáře.

Radiolog vidí značku AI na malém shluku kalcifikací, které neoznačila, znovu se podívá a odvolá pacienta na diagnostické zobrazení.

Screeningová služba používá skóre rizik AI k třídění denního pracovního seznamu, takže nejpodezřelejší vyšetření jsou přečtena jako první.

Klinika, která přezkoumává své výsledky AI, si všimne, že hustá prsní tkáň ztěžuje některá vyšetření jak pro čtenáře, tak pro software, a přidává zásady, kdy diskutovat o doplňkovém ultrazvuku nebo MRI.

Budoucnost umělé inteligence v mamografii a screeningu rakoviny prsu

Další důležitý důkaz bude pocházet z delšího sledování screeningových studií, zejména zda podpora umělé inteligence snižuje intervalové rakoviny a pokročilé rakoviny, spíše než pouze zvyšuje počet detekovaných. Programy také studují umělou inteligenci pro predikci rizik, což by mohlo pomoci personalizovat intervaly screeningu nebo identifikovat ženy, které mohou mít prospěch z doplňkového zobrazování. Zavedení bude záviset na regulaci, úhradě, důvěře radiologů a průběžném sledování odchylky výkonu při změně zařízení. Odůvodněným očekáváním je širší využití jako druhého nástroje pro čtení a třídění, přičemž odpovědnost za vyvolání a diagnostiku ponesou radiologové.

Uvedení do praxe

Proč na tom záleží

  • Kontext a pravidla. Kontext odvětví určuje, zda nápady AI přežijí kontakt s realitou.
  • Kontrola kvality. Omezení domény ovlivňují přijatelnou míru chyb a modely dohledu.
  • Volby sestavy. Úspěšné nasazení sladí technické možnosti s předními pracovními postupy.

Pozor na

  • Regulační požadavky mohou zneplatnit jinak silné prototypy.
  • Historická data mohou zakódovat zaujatost, která poškozuje konkrétní komunity.
  • Starší systémy mohou vytvářet úzká místa integrace a skryté náklady.

Další kroky

  1. Zapojte odborníky na doménu od rámování problému až po hodnocení.
  2. Před spuštěním navrhněte auditní záznamy a dokumentaci.
  3. Předčasně ověřte dodržování a bezpečnostní závazky.
  4. Zavádění ve fázích s jasnými kritérii zastavení a vrácení.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Take the AI in Mammography and Breast Cancer Screening quiz

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

Co je AI v mamografii a screeningu rakoviny prsu?

Umělá inteligence v mamografii používá modely analýzy obrazu k označení podezřelých oblastí na rentgenových snímcích prsu a odhadu rizika rakoviny, nejčastěji jako druhý nástroj pro čtení nebo třídění vedle radiologů, spíše než jejich náhradu. Je to důležité, protože screeningové programy se potýkají s nedostatkem radiologů a velké studie naznačují, že podpora umělé inteligence může najít více rakoviny a zároveň snížit zátěž při čtení. Otázky týkající se falešně pozitivních výsledků, intervalových rakovin a husté prsní tkáně stále ovlivňují způsob jeho použití.

Jak švédská studie MASAI použila AI při screeningu?

MASAI použil skóre rizika AI k rozhodnutí o intenzitě čtení, což snížilo pracovní zátěž a zároveň udrželo detekci rakoviny alespoň tak dobré jako standardní dvojité čtení.

Co zjistily velké studie o tradičním CAD představeném na konci 90. let?

Starší CAD byl široce přijat, ale nepřinesl jasné zvýšení přesnosti, což je důvod, proč je moderní AI posuzována prospektivními zkouškami.

Proč hustá prsní tkáň ztěžuje screening?

Jak hustá tkáň, tak nádory vypadají bílé, takže rakovina může být maskována. To ovlivňuje lidské čtenáře i AI.

Proč není odhalení většího počtu rakovin samo o sobě důkazem, že umělá inteligence zachraňuje životy?

Další detekce může zahrnovat pomalu rostoucí rakoviny. Méně intervalových rakovin je silnějším důkazem skutečného přínosu.

Co se stane, když program sníží provozní práh systému AI?

Omezuje obchodní citlivost pro specifičnost. Vyšší citlivost obvykle znamená více falešných poplachů a vyvolání.