123RF
Sztuczna inteligencja lepiej przewidziała ryzyko raka piersi niż standardowe modele
Redaktor: Monika Stelmach
Data: 19.06.2023
Źródło: Marek Matacz/PAP
Działy:
Aktualności w Onkologia
Aktualności
| Tagi: | sztuczna inteligencja, rak piersi |
W badaniu z udziałem kilku tysięcy kobiet sztuczna inteligencja lepiej określała ryzyko zachorowania na raka piersi, niż pozwalają na to standardowe modele kliniczne. To szansa na spersonalizowaną opiekę dla każdej kobiety – twierdzą naukowcy.
Ryzyko zachorowania przez kobietę na raka piersi określa się z pomocą specjalnych modeli, które uwzględniają różnego rodzaju informacje o zdrowiu pacjentki, takie jak wiek, rodzinna historia związana z tą chorobą, urodzenie dzieci czy wyniki badań mammograficznych.
– Kliniczne modele ryzyka opierają się na informacjach gromadzonych z różnych źródeł, które nie zawsze są dostępne lub zebrane. Najnowsze postępy w dziedzinie uczenia maszynowego opartego na sztucznej inteligencji dają nam możliwość wyodrębnienia setek, a nawet tysięcy dodatkowych informacji z badań mammograficznych – wyjaśnia dr Vignesh A. Arasu, radiolog z kalifornijskiego Kaiser Permanente.
Dr Arasu i jego zespół przeanalizował ponad 13 tys. mammograficznych zdjęć bez śladów nowotworów wykonanych w 2016 roku oraz 4,5 tys. zdjęć wykonanych u pacjentek, u których w ciągu 5 lat od bazowej obserwacji pojawił się nowotwór.
Wszystkie ochotniczki były obserwowane do 2021 roku.
– Wybraliśmy mammogramy przesiewowe wykonane w ciągu całego 2016 roku, dlatego nasza populacja badawcza jest reprezentatywna dla społeczności północnej Kalifornii – podkreśla dr Arasu.
Naukowcy określili 5-letnie ryzyko zachorowania na raka z pomocą pięciu różnych systemów sztucznej inteligencji oraz standardowego, klinicznego modelu Breast Cancer Surveillance Consortium (BCSC).
– Wszystkie pięć algorytmów opartych na sztucznej inteligencji wykazało się lepszą skutecznością w przewidywaniu ryzyka raka piersi w okresie od 0 do 5 lat w porównaniu z modelem ryzyka BCSC. Ta silna zdolność predykcyjna na przestrzeni pięciu lat sugeruje, że AI identyfikuje zarówno pominięte przypadki raka, jak i cechy tkanki piersiowej, które pomagają przewidzieć przyszły rozwój nowotworu. Istnieje w mammogramach coś, co pozwala nam śledzić ryzyko raka piersi. To jest ta „czarna skrzynka” sztucznej inteligencji – informuje dr Arasu.
Niektóre algorytmy okazały się przy tym szczególnie skuteczne w przewidywaniu rozwoju agresywnych form raka.
Jeszcze lepsze wyniki uzyskano kolejnym sposobem – połączeniem analizy z pomocą AI oraz BCSC.
– Poszukujemy dokładnego, efektywnego i skalowalnego sposobu analizy ryzyka raka piersi u kobiet. Modele ryzyka oparte na mammografii i sztucznej inteligencji posiadają ważne, praktyczne zalety w porównaniu z tradycyjnymi modelami klinicznymi, ponieważ korzystają z jednego źródła danych: samego mammogramu – wyjaśnia dr Arasu.
Badacz zwraca uwagę, że niektóre instytucje już wykorzystują sztuczną inteligencję do pomocy radiologom w wykrywaniu raka na mammogramach.
Ocena przyszłego ryzyka danej osoby, jaką z pomocą AI można uzyskać w kilka sekund, mogłaby więc zostać zintegrowana z raportem radiologicznym udostępnionym pacjentowi i jego lekarzowi.
– Sztuczna inteligencja w przewidywaniu ryzyka raka daje nam możliwość spersonalizowania opieki nad każdą kobietą, do czego nie mamy obecnie dostępu na standardowych zasadach. To narzędzie mogłoby pomóc nam zapewnić spersonalizowaną, precyzyjną pomoc medyczną na państwowym poziomie – twierdzi naukowiec.
– Kliniczne modele ryzyka opierają się na informacjach gromadzonych z różnych źródeł, które nie zawsze są dostępne lub zebrane. Najnowsze postępy w dziedzinie uczenia maszynowego opartego na sztucznej inteligencji dają nam możliwość wyodrębnienia setek, a nawet tysięcy dodatkowych informacji z badań mammograficznych – wyjaśnia dr Vignesh A. Arasu, radiolog z kalifornijskiego Kaiser Permanente.
Dr Arasu i jego zespół przeanalizował ponad 13 tys. mammograficznych zdjęć bez śladów nowotworów wykonanych w 2016 roku oraz 4,5 tys. zdjęć wykonanych u pacjentek, u których w ciągu 5 lat od bazowej obserwacji pojawił się nowotwór.
Wszystkie ochotniczki były obserwowane do 2021 roku.
– Wybraliśmy mammogramy przesiewowe wykonane w ciągu całego 2016 roku, dlatego nasza populacja badawcza jest reprezentatywna dla społeczności północnej Kalifornii – podkreśla dr Arasu.
Naukowcy określili 5-letnie ryzyko zachorowania na raka z pomocą pięciu różnych systemów sztucznej inteligencji oraz standardowego, klinicznego modelu Breast Cancer Surveillance Consortium (BCSC).
– Wszystkie pięć algorytmów opartych na sztucznej inteligencji wykazało się lepszą skutecznością w przewidywaniu ryzyka raka piersi w okresie od 0 do 5 lat w porównaniu z modelem ryzyka BCSC. Ta silna zdolność predykcyjna na przestrzeni pięciu lat sugeruje, że AI identyfikuje zarówno pominięte przypadki raka, jak i cechy tkanki piersiowej, które pomagają przewidzieć przyszły rozwój nowotworu. Istnieje w mammogramach coś, co pozwala nam śledzić ryzyko raka piersi. To jest ta „czarna skrzynka” sztucznej inteligencji – informuje dr Arasu.
Niektóre algorytmy okazały się przy tym szczególnie skuteczne w przewidywaniu rozwoju agresywnych form raka.
Jeszcze lepsze wyniki uzyskano kolejnym sposobem – połączeniem analizy z pomocą AI oraz BCSC.
– Poszukujemy dokładnego, efektywnego i skalowalnego sposobu analizy ryzyka raka piersi u kobiet. Modele ryzyka oparte na mammografii i sztucznej inteligencji posiadają ważne, praktyczne zalety w porównaniu z tradycyjnymi modelami klinicznymi, ponieważ korzystają z jednego źródła danych: samego mammogramu – wyjaśnia dr Arasu.
Badacz zwraca uwagę, że niektóre instytucje już wykorzystują sztuczną inteligencję do pomocy radiologom w wykrywaniu raka na mammogramach.
Ocena przyszłego ryzyka danej osoby, jaką z pomocą AI można uzyskać w kilka sekund, mogłaby więc zostać zintegrowana z raportem radiologicznym udostępnionym pacjentowi i jego lekarzowi.
– Sztuczna inteligencja w przewidywaniu ryzyka raka daje nam możliwość spersonalizowania opieki nad każdą kobietą, do czego nie mamy obecnie dostępu na standardowych zasadach. To narzędzie mogłoby pomóc nam zapewnić spersonalizowaną, precyzyjną pomoc medyczną na państwowym poziomie – twierdzi naukowiec.
