medCLOUD › Aktualności

Sztuczna inteligencja przewyższa gęstość piersi w przewidywaniu ryzyka raka piersi na 5 lat

Nowy model AI, Clairity Breast, przewiduje ryzyko raka piersi na 5 lat z większą precyzją niż gęstość piersi, co może zrewolucjonizować profilaktykę i wczesne wykrywanie choroby.

Nowy model sztucznej inteligencji oparty wyłącznie na obrazach zmienia sposób przewidywania ryzyka raka piersi. Podczas corocznego spotkania RSNA zaprezentowano dane, które pokazują, że ocena ryzyka oparta na AI jest znacznie silniejsza i dokładniejsza niż tradycyjna metoda oparta na gęstości piersi, która jest coraz bardziej uznawana za ograniczony wskaźnik.

Tradycyjnie decyzje o wcześniejszym lub częstszym badaniu przesiewowym podejmuje się na podstawie wieku, genetyki i gęstości piersi. Jednak, jak podkreśla dr Constance Lehman z Harvard Medical School, te wskaźniki są niewystarczające. "Ponad dwa miliony kobiet rocznie diagnozuje się z rakiem piersi, często bez ostrzeżenia. Tylko niewielki odsetek ma podłoże dziedziczne, a sama gęstość jest słabym predyktorem ryzyka." Tutaj AI oparta na obrazach może zrewolucjonizować profilaktykę.

Nowa generacja przewidywania ryzyka

Model AI Clairity Breast, pierwszy zatwierdzony przez FDA predyktor ryzyka oparty wyłącznie na obrazach, został wytrenowany na 421 499 mammografiach z 27 ośrodków w Europie, Ameryce Południowej i USA. Zbiór danych obejmował skany kobiet, które rozwinęły raka w ciągu pięciu lat oraz tych, które pozostały zdrowe. Dzięki temu system nauczył się wykrywać mikroskopijne wzorce obrazowe związane z podwyższonym ryzykiem, niewidoczne dla ludzkiego oka.

Model wykorzystuje głęboką sieć konwolucyjną i przewiduje indywidualne ryzyko na 5 lat bez uwzględniania historii klinicznej czy genetycznej. Został zweryfikowany na ponad 245 000 mammografiach z sześciu ośrodków klinicznych. "AI potrafi wykryć subtelne strukturalne zmiany w tkance piersi, których radiolodzy nie widzą. To nie jest diagnoza, lecz predykcja, otwierająca nowy wymiar inteligencji w badaniach przesiewowych," mówi Lehman.

AI zapewnia wyraźniejszą stratifikację ryzyka

Poziomy ryzyka sklasyfikowano według standardów National Comprehensive Cancer Network:

Kobiety oznaczone przez AI jako wysokiego ryzyka zachorowały na raka ponad cztery razy częściej niż te z ryzykiem przeciętnym (5,9% vs. 1,3%). Natomiast gęstość piersi dawała jedynie marginalne rozróżnienie (3,2% vs. 2,7%).

Innymi słowy, AI nie tylko lepiej klasyfikuje, ale znacząco stratyfikuje ryzyko. "Nasza analiza na dużą skalę pokazuje, że AI oparta wyłącznie na obrazach ma znacznie silniejszą wartość predykcyjną niż sama gęstość. To wspiera bardziej spersonalizowane i sprawiedliwe strategie badań przesiewowych," podkreśla prof. Christiane Kuhl z RWTH Aachen University.

Wcześniejsze i dostosowane badania przesiewowe

Obecne wytyczne American Cancer Society zalecają rozpoczęcie badań przesiewowych u kobiet o przeciętnym ryzyku od 40. roku życia. Jednak kobiety poniżej 40 lat stanowią najszybciej rosnącą grupę diagnoz, często bez znanych czynników ryzyka. Możliwość przypisania oceny ryzyka przez AI pozwala na identyfikację osób wysokiego ryzyka znacznie wcześniej niż tradycyjne metody.

"Obecnie badamy niektóre kobiety wysokiego ryzyka już w wieku 30 lat na podstawie genetyki lub historii rodzinnej. W przyszłości ocena AI w wieku 30 lat może pomóc zdecydować, kto powinien rozpocząć wcześniejsze badania," mówi Lehman.

Zespół sugeruje, aby przyszłe raporty z badań przesiewowych zawierały zarówno gęstość piersi, jak i ocenę ryzyka AI, dając kobietom jasny obraz ich indywidualnego ryzyka zamiast prostego oznaczenia. "Możemy zrobić więcej niż tylko mówić kobietom, czy ich tkanka jest gęsta czy nie. AI pozwala na dostarczenie spersonalizowanych, praktycznych informacji," podkreśla Lehman.

Badania przesiewowe oparte na danych

Badania te oznaczają ważny zwrot w opiece nad zdrowiem piersi: od reaktywnej diagnozy do proaktywnej predykcji. Dzięki zatwierdzeniu FDA i solidnej walidacji wieloregionalnej, AI oparta wyłącznie na obrazach może umożliwić wcześniejsze wykrycie u kobiet z niewidocznym ryzykiem oraz spersonalizowane harmonogramy badań zamiast opierać się na wieku. Ponadto pozwoli to na efektywniejsze wykorzystanie zasobów w programach przesiewowych i poprawę wyników dzięki profilaktyce zamiast późnej diagnozy.

W obliczu rosnącej liczby zachorowań na raka piersi wśród młodszych kobiet, predykcja ryzyka wspomagana AI może zmienić politykę badań przesiewowych i ratować życie. Kolejnym krokiem jest integracja, aby każda mammografia dostarczała nie tylko obraz, ale także mierzalną informację o ryzyku.

Wcześniejsze wykrywanie raka piersi między badaniami

Na początku roku naukowcy z UCLA Health Jonsson Comprehensive Cancer Center wykazali, że AI może wcześniej wykrywać raki piersi pojawiające się między rutynowymi badaniami przesiewowymi, które często są pomijane ze względu na subtelne cechy obrazowe.

W retrospektywnym przeglądzie prawie 185 000 mammografii z lat 2010–2019 AI wskazała nowotwory widoczne na obrazach, ale nierozpoznane przez radiologów. Zespół przeanalizował 148 przypadków raka między badaniami, stosując zmodyfikowany system europejski. Wyniki sugerują, że integracja AI w badaniach przesiewowych może zmniejszyć liczbę takich przypadków nawet o 30%. Wcześniejsze wykrycie może umożliwić mniej agresywne leczenie i poprawić wyniki pacjentek, według głównej badaczki Tiffany Yu.

Źródło: https://www.icthealth.org/news/ai-outperforms-breast-density-in-predicting-five-year-cancer-risk

Źródło: www.icthealth.org

Cyberbezpieczeństwo w medycynie – monitoring SOC · Pakiety ochrony od 990 zł · Bezpłatna konsultacja