HƯỚNG DẪN ngành

AI trong chụp nhũ ảnh và sàng lọc ung thư vú

AI trong chụp nhũ ảnh sử dụng mô hình phân tích hình ảnh để đánh dấu các khu vực đáng ngờ trên phim chụp X-quang vú và ước tính nguy cơ ung thư, thường là với tư cách là người đọc thứ hai hoặc công cụ phân loại cùng với các bác sĩ X quang thay vì thay thế chúng.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyĐọc trong 3 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của AI trong chụp nhũ ảnh và sàng lọc ung thư vú
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Điều này quan trọng vì các chương trình sàng lọc phải đối mặt với tình trạng thiếu bác sĩ X quang và các thử nghiệm lớn cho thấy sự hỗ trợ của AI có thể tìm ra nhiều bệnh ung thư hơn đồng thời giảm khối lượng công việc đọc. Các câu hỏi về dương tính giả, ung thư giai đoạn và mô vú dày đặc vẫn định hình cách sử dụng nó.

Lặn sâu

Chụp nhũ ảnh sàng lọc giúp phát hiện ung thư vú giai đoạn đầu ở phụ nữ không có triệu chứng. Các bác sĩ X quang so sánh hình ảnh của từng vú, tìm kiếm khối lượng, vôi hóa, sự không đối xứng và biến dạng về cấu trúc, đồng thời quyết định xem có nên gọi lại người phụ nữ đó để kiểm tra thêm hay không. Ở phần lớn châu Âu, hai bác sĩ X quang sẽ đọc từng bài kiểm tra một cách độc lập. Ở Hoa Kỳ, một bác sĩ X quang thường đọc nó. Việc phát hiện có sự hỗ trợ của máy tính không phải là mới. CAD truyền thống đã được phê duyệt vào cuối những năm 1990 và được sử dụng rộng rãi ở Mỹ, nhưng các nghiên cứu lớn cho thấy nó không cải thiện rõ rệt độ chính xác và thêm các dấu hiệu sai. Các hệ thống học sâu hiện đại, chẳng hạn như Lunit INSIGHT MMG, iCAD ProFound AI và ScreenPoint Transpara, học từ các tập hợp hình ảnh rất lớn với kết quả đã biết và cho mỗi bài kiểm tra một điểm nghi ngờ cũng như các điểm đánh dấu khu vực. Bằng chứng mạnh mẽ nhất đến từ các thử nghiệm tiến cứu trong các chương trình sàng lọc thực tế. Thử nghiệm ngẫu nhiên MASAI của Thụy Điển, được báo cáo lần đầu tiên trên tạp chí The Lancet Oncology vào năm 2023, đã sử dụng AI để phân loại các kỳ thi: các kỳ thi có rủi ro thấp có một người đọc và các kỳ thi có nguy cơ cao có hai người đọc. Nó cho thấy khả năng phát hiện ung thư ít nhất cũng tốt như đọc kép tiêu chuẩn, với khối lượng công việc đọc của bác sĩ X quang giảm đáng kể và tỷ lệ dương tính giả tương tự. Các kết quả và nghiên cứu sau này của MASAI ở những nơi khác, bao gồm cả một nghiên cứu thực tế lớn của Đức, đã báo cáo tỷ lệ phát hiện cao hơn với sự hỗ trợ của AI. Các giới hạn quan trọng vẫn còn. Việc phát hiện thêm nhiều bệnh ung thư không có nghĩa là cứu được nhiều mạng sống hơn, bởi vì một số bệnh ung thư được phát hiện đang phát triển chậm và biện pháp dài hạn quan trọng là các bệnh ung thư xuất hiện giữa các lần khám sàng lọc. Mô vú dày đặc xuất hiện màu trắng trên ảnh chụp X quang tuyến vú, giống như nhiều khối u, có thể che giấu bệnh ung thư khỏi cả con người và AI. Một quan niệm sai lầm phổ biến là AI tự đọc ảnh chụp X quang tuyến vú. Trong các chương trình hiện tại, bác sĩ X quang đưa ra quyết định thu hồi.

Triển khai trong thế giới thực

Trong một chương trình đọc kép của Châu Âu, các bài kiểm tra AI có điểm rủi ro thấp sẽ được đọc bởi một bác sĩ X quang thay vì hai, trong khi các bài kiểm tra AI có điểm rủi ro cao sẽ được hai độc giả đọc.

Một bác sĩ X quang nhìn thấy điểm đánh dấu AI trên một cụm vôi hóa nhỏ mà cô ấy chưa đánh dấu, kiểm tra lại và gọi bệnh nhân lại để chẩn đoán hình ảnh.

Dịch vụ sàng lọc sử dụng điểm rủi ro AI để sắp xếp danh sách công việc trong ngày để những bài kiểm tra đáng ngờ nhất sẽ được đọc trước.

Một phòng khám đang xem xét kết quả AI của mình nhận thấy rằng mô vú dày đặc khiến một số cuộc kiểm tra trở nên khó khăn hơn đối với cả máy đọc và phần mềm, đồng thời bổ sung chính sách về thời điểm thảo luận về siêu âm hoặc MRI bổ sung.

Tương lai của AI trong chụp nhũ ảnh và sàng lọc ung thư vú

Bằng chứng quan trọng tiếp theo sẽ đến từ việc theo dõi các thử nghiệm sàng lọc lâu hơn, đặc biệt là liệu sự hỗ trợ của AI có làm giảm các bệnh ung thư giai đoạn và ung thư giai đoạn muộn thay vì chỉ tăng số lượng phát hiện hay không. Các chương trình cũng đang nghiên cứu AI để dự đoán rủi ro, có thể giúp cá nhân hóa khoảng thời gian sàng lọc hoặc xác định những phụ nữ có thể hưởng lợi từ hình ảnh bổ sung. Việc tiếp nhận sẽ phụ thuộc vào quy định, khoản hoàn trả, sự tin cậy của bác sĩ X quang và việc giám sát liên tục về sự chênh lệch hiệu suất khi thiết bị thay đổi. Một kỳ vọng hợp lý là việc sử dụng rộng rãi hơn như một công cụ đọc và phân loại thứ hai, trong đó các bác sĩ X quang chịu trách nhiệm thu hồi và chẩn đoán.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Bối cảnh và quy tắc. Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không.
  • Kiểm soát chất lượng. Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát.
  • Xây dựng lựa chọn. Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu.

coi chừng

  • Các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh mẽ.
  • Dữ liệu lịch sử có thể mã hóa thành kiến ​​gây tổn hại cho các cộng đồng cụ thể.
  • Các hệ thống cũ có thể tạo ra các nút thắt cổ chai trong tích hợp và chi phí tiềm ẩn.

Các bước tiếp theo

  1. Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá.
  2. Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt.
  3. Xác nhận sớm các nghĩa vụ tuân thủ và an toàn.
  4. Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the AI in Mammography and Breast Cancer Screening quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

AI trong chụp nhũ ảnh và sàng lọc ung thư vú là gì?

AI trong chụp nhũ ảnh sử dụng mô hình phân tích hình ảnh để đánh dấu các khu vực đáng ngờ trên phim chụp X-quang vú và ước tính nguy cơ ung thư, thường là với tư cách là người đọc thứ hai hoặc công cụ phân loại cùng với các bác sĩ X quang thay vì thay thế chúng. Điều này quan trọng vì các chương trình sàng lọc phải đối mặt với tình trạng thiếu bác sĩ X quang và các thử nghiệm lớn cho thấy sự hỗ trợ của AI có thể tìm ra nhiều bệnh ung thư hơn đồng thời giảm khối lượng công việc đọc. Các câu hỏi về dương tính giả, ung thư giai đoạn và mô vú dày đặc vẫn định hình cách sử dụng nó.

Thử nghiệm MASAI của Thụy Điển đã sử dụng AI trong sàng lọc như thế nào?

MASAI đã sử dụng điểm số rủi ro AI để quyết định cường độ đọc, giúp giảm khối lượng công việc trong khi vẫn duy trì khả năng phát hiện ung thư ít nhất là tốt như đọc kép tiêu chuẩn.

Các nghiên cứu lớn đã tìm thấy gì về CAD truyền thống được giới thiệu vào cuối những năm 1990?

CAD cũ hơn đã được áp dụng rộng rãi nhưng không mang lại mức độ chính xác rõ ràng, đó là lý do tại sao AI hiện đại được đánh giá bằng các thử nghiệm trong tương lai.

Tại sao mô vú dày đặc khiến việc sàng lọc khó khăn hơn?

Cả mô dày đặc và khối u đều có màu trắng, do đó ung thư có thể bị che lấp. Điều này ảnh hưởng đến cả độc giả của con người và AI.

Tại sao việc phát hiện nhiều bệnh ung thư hơn không phải là bằng chứng cho thấy AI cứu được mạng sống?

Phát hiện bổ sung có thể bao gồm các bệnh ung thư phát triển chậm. Ít bệnh ung thư cách quãng hơn là bằng chứng mạnh mẽ hơn về lợi ích thực sự.

Điều gì xảy ra khi một chương trình hạ ngưỡng hoạt động của hệ thống AI?

Ngưỡng giao dịch độ nhạy cho tính đặc hiệu. Độ nhạy cao hơn thường có nghĩa là có nhiều kết quả dương tính giả và thu hồi hơn.