PANDUAN Industri

AI dalam Mamografi dan Pemeriksaan Kanser Payudara

AI dalam mamografi menggunakan model analisis imej untuk menandakan kawasan yang mencurigakan pada X-ray payudara dan menganggarkan risiko kanser, selalunya sebagai alat pembaca kedua atau triage bersama ahli radiologi dan bukannya pengganti untuknya.

Dengar panduan iniAI-diceritakan · ~3 min

Pada halaman ini3 min dibaca
  1. Gambaran keseluruhan
  2. Menyelam dalam
  3. Pelaksanaan Dunia Sebenar
  4. Masa Depan AI dalam Mammografi dan Pemeriksaan Kanser Payudara
  5. Mempraktikkannya
  6. Teruskan Meneroka
  7. Soalan lazim

Gambaran keseluruhan

Ini penting kerana program saringan menghadapi kekurangan ahli radiologi, dan ujian besar mencadangkan sokongan AI boleh menemui lebih banyak kanser sambil mengurangkan beban kerja membaca. Soalan tentang positif palsu, kanser selang waktu dan tisu payudara padat masih membentuk cara ia digunakan.

Menyelam dalam

Pemeriksaan mamografi mencari kanser payudara awal pada wanita tanpa gejala. Pakar radiologi membandingkan pandangan setiap payudara, mencari jisim, kalsifikasi, asimetri dan herotan seni bina, dan memutuskan sama ada untuk memanggil semula wanita itu untuk ujian lanjut. Di kebanyakan Eropah, dua ahli radiologi membaca setiap peperiksaan secara bebas. Di Amerika Syarikat, seorang pakar radiologi biasanya membacanya. Pengesanan berbantukan komputer bukanlah perkara baharu. CAD tradisional telah diluluskan pada akhir 1990-an dan digunakan secara meluas di AS, tetapi kajian besar mendapati ia tidak meningkatkan ketepatan dengan jelas dan menambah tanda palsu. Sistem pembelajaran mendalam moden, seperti Lunit INSIGHT MMG, iCAD ProFound AI dan ScreenPoint Transpara, belajar daripada set imej yang sangat besar dengan hasil yang diketahui dan memberikan setiap peperiksaan skor syak serta penanda wilayah. Bukti terkuat datang daripada percubaan prospektif dalam program saringan sebenar. Percubaan rawak MASAI Sweden, pertama kali dilaporkan dalam The Lancet Oncology pada 2023, menggunakan AI untuk mencuba peperiksaan: peperiksaan berisiko rendah mendapat seorang pembaca dan peperiksaan berisiko tinggi mendapat dua. Ia mendapati pengesanan kanser adalah sekurang-kurangnya sama baik dengan bacaan dua kali standard, dengan pengurangan besar dalam beban kerja pembacaan ahli radiologi dan kadar positif palsu yang serupa. Hasil dan kajian MASAI kemudiannya di tempat lain, termasuk kajian dunia sebenar Jerman yang besar, melaporkan kadar pengesanan yang lebih tinggi dengan sokongan AI. Had penting kekal. Menemui lebih banyak kanser tidak bermakna secara automatik menyelamatkan lebih banyak nyawa, kerana sesetengah kanser yang dikesan berkembang dengan perlahan, dan ukuran jangka panjang yang penting ialah kanser selang waktu, yang muncul di antara pemeriksaan. Tisu payudara padat kelihatan putih pada mamogram, sama seperti kebanyakan tumor, yang boleh menyembunyikan kanser daripada manusia dan AI. Salah tanggapan yang biasa ialah AI membaca mamogram dengan sendirinya. Dalam program semasa, ahli radiologi membuat keputusan penarikan balik.

Pelaksanaan Dunia Sebenar

Dalam program bacaan dua kali Eropah, peperiksaan skor AI kerana risiko rendah dibaca oleh seorang ahli radiologi dan bukannya dua, manakala peperiksaan ia mendapat markah berisiko tinggi mendapat dua pembaca.

Pakar radiologi melihat penanda AI pada kelompok kecil kalsifikasi yang tidak dibenderakannya, melihat semula dan memanggil semula pesakit untuk pengimejan diagnostik.

Perkhidmatan saringan menggunakan skor risiko AI untuk mengisih senarai kerja hari itu supaya peperiksaan yang paling mencurigakan dibaca terlebih dahulu.

Sebuah klinik yang menyemak keputusan AInya mendapati bahawa tisu payudara yang padat menjadikan beberapa peperiksaan lebih sukar untuk kedua-dua pembaca dan perisian, dan menambah dasar tentang masa untuk membincangkan ultrasound atau MRI tambahan.

Masa Depan AI dalam Mammografi dan Pemeriksaan Kanser Payudara

Bukti penting seterusnya akan datang daripada susulan ujian saringan yang lebih lama, terutamanya sama ada sokongan AI mengurangkan kanser selang waktu dan kanser lanjutan daripada hanya meningkatkan kiraan pengesanan. Program juga sedang mengkaji AI untuk ramalan risiko, yang boleh membantu memperibadikan selang pemeriksaan atau mengenal pasti wanita yang mungkin mendapat manfaat daripada pengimejan tambahan. Pengambilan akan bergantung pada peraturan, pembayaran balik, kepercayaan ahli radiologi dan pemantauan berterusan untuk hanyut prestasi apabila peralatan berubah. Jangkaan yang munasabah adalah penggunaan yang lebih luas sebagai alat pembaca dan triage kedua, dengan pakar radiologi mengekalkan tanggungjawab untuk mengingat dan diagnosis.

Mempraktikkannya

Mengapa ia penting

  • Konteks dan peraturan. Konteks industri menentukan sama ada idea AI bertahan dalam hubungan dengan realiti.
  • Kawalan kualiti. Kekangan domain mempengaruhi kadar ralat dan model pengawasan yang boleh diterima.
  • Pilihan binaan. Penerapan yang berjaya menyelaraskan keupayaan teknikal dengan aliran kerja barisan hadapan.

Berhati-hati untuk

  • Keperluan kawal selia boleh membatalkan prototaip yang kukuh.
  • Data sejarah mungkin mengekod berat sebelah yang membahayakan komuniti tertentu.
  • Sistem warisan boleh mewujudkan kesesakan penyepaduan dan kos tersembunyi.

Langkah seterusnya

  1. Libatkan pakar domain daripada pembingkaian masalah hingga penilaian.
  2. Reka bentuk jejak audit dan dokumentasi sebelum pelancaran.
  3. Sahkan pematuhan dan kewajipan keselamatan lebih awal.
  4. Melancarkan secara berfasa dengan kriteria hentian dan undur yang jelas.

Teruskan Meneroka

Newsletter percuma

Dapatkan taklimat AI harian

Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.

Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.

Uji diri anda

Take the AI in Mammography and Breast Cancer Screening quiz

Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.

Mulakan kuiz

Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma

Soalan lazim

Apakah AI dalam Mamografi dan Pemeriksaan Kanser Payudara?

AI dalam mamografi menggunakan model analisis imej untuk menandakan kawasan yang mencurigakan pada X-ray payudara dan menganggarkan risiko kanser, selalunya sebagai alat pembaca kedua atau triage bersama ahli radiologi dan bukannya pengganti untuknya. Ini penting kerana program saringan menghadapi kekurangan ahli radiologi, dan ujian besar mencadangkan sokongan AI boleh menemui lebih banyak kanser sambil mengurangkan beban kerja membaca. Soalan tentang positif palsu, kanser selang waktu dan tisu payudara padat masih membentuk cara ia digunakan.

Bagaimanakah percubaan MASAI Sweden menggunakan AI dalam saringan?

MASAI menggunakan skor risiko AI untuk menentukan intensiti bacaan, yang mengurangkan beban kerja sambil mengekalkan pengesanan kanser sekurang-kurangnya sebaik bacaan berganda standard.

Apakah kajian besar mendapati tentang CAD tradisional yang diperkenalkan pada akhir 1990-an?

CAD yang lebih lama diterima pakai secara meluas tetapi tidak memberikan keuntungan ketepatan yang jelas, itulah sebabnya AI moden dinilai oleh percubaan prospektif.

Mengapa tisu payudara padat membuat saringan lebih sukar?

Kedua-dua tisu padat dan tumor kelihatan putih, jadi kanser boleh ditutup. Ini memberi kesan kepada pembaca manusia dan AI.

Mengapakah pengesanan lebih banyak kanser bukan dengan sendirinya bukti bahawa AI menyelamatkan nyawa?

Pengesanan tambahan boleh termasuk kanser yang tumbuh perlahan. Kanser selang yang lebih sedikit adalah bukti yang lebih kukuh tentang manfaat sebenar.

Apakah yang berlaku apabila program menurunkan ambang operasi sistem AI?

Ambang sensitiviti perdagangan untuk kekhususan. Lebih sensitiviti biasanya bermakna lebih banyak positif palsu dan ingat semula.