ИИ маммографии может сыграть роль в прогнозировании риска рака молочной железы

Исследование Kaiser Permanente показало, что алгоритмы искусственного интеллекта работают лучше, чем обычно используемый инструмент прогнозирования риска рака молочной железы

Сью Рочман

Новое исследование Kaiser Permanente показало, что алгоритмы искусственного интеллекта, обученные читать маммограммы, лучше предсказывают будущий риск рака молочной железы у женщины, чем широко используемые инструменты оценки риска рака молочной железы.

Исследование, опубликованное 6 июня в журнале Radiology, предполагает, что биомаркеры визуализации, связанные с риском, наблюдаемые на маммограммах (которые компьютеры могут идентифицировать и использовать для определения оценки риска), могут помочь врачам предоставить женщинам более персонализированные рекомендации по скринингу рака молочной железы.

«Нам нужны более точные и эффективные способы оценки будущего риска рака молочной железы у женщины», — сказал ведущий автор исследования Винеш Арасу, доктор медицинских наук, научный сотрудник исследовательского отдела Kaiser Permanente и радиолог, специализирующийся на визуализации молочной железы в The Permanente. Медицинская группа. «Наше исследование показывает, что в маммограммах, которые рентгенологу кажутся отрицательными (то есть нет никаких признаков опухоли), есть информация, которую могут увидеть компьютеры, и которая может помочь оценить риск того, что у женщины будет диагностирован рак молочной железы в ближайшие 5 лет. "

В ретроспективное исследование были включены 324 000 женщин, прошедших маммографию, которая не выявила признаков рака молочной железы в 2016 году в Kaiser Permanente Northern California. Ни у одной из женщин ранее не было рака молочной железы или у нее не была диагностирована генетическая мутация, повышающая риск рака молочной железы. Около 24% женщин были моложе 50 лет на момент маммографии, и около 87% не имели родственников первой степени родства с историей рака молочной железы.

В течение следующих 5 лет у 4584 женщин был диагностирован рак молочной железы. Из них у 83% был диагностирован инвазивный рак молочной железы, а у 17% — неинвазивная протоковая карцинома in situ (DCIS). В ходе исследования этих женщин сравнивали с 13 435 из 324 000 женщин исходной группы, у которых не развился рак молочной железы.

У исследователей было 5 алгоритмов искусственного интеллекта (ИИ), которые сообщали о 5-летнем прогнозе риска рака молочной железы на основе маммографических изображений, сделанных для этих женщин в 2016 году.

Исследователи также использовали модель клинического риска Консорциума по надзору за раком молочной железы (BCSC) для оценки риска развития рака молочной железы у каждой женщины в течение следующих 5 лет. Модель прогнозирует риск, используя возраст, расу или этническую принадлежность, семейный анамнез рака молочной железы первой степени, количество предшествующих доброкачественных биопсий молочной железы и маммографическую плотность груди. Оценка каждой женщины рассчитывалась с использованием клинических данных из ее электронной медицинской карты на момент маммографии в 2016 году.

Исследование показало, что на женщин с самым высоким показателем риска BCSC — верхним 90-м процентилем — приходилось 21,1% всех случаев рака в течение следующих 5 лет. Для сравнения, на долю женщин с самым высоким показателем риска AI приходилось от 24% до 28% всех случаев рака.

«В настоящее время большинство алгоритмов искусственного интеллекта, обученных считывать маммограммы, используются для обнаружения видимого рака, чтобы помочь рентгенологам», — сказал Арасу. «Но эти алгоритмы также могут видеть биомаркеры визуализации на маммограммах — в дополнение к плотности груди — которые говорят нам, что в ткани молочной железы происходят изменения, которые можно использовать для прогнозирования риска».

Исследователи также использовали статистический метод, называемый площадью под кривой (AUC), чтобы сравнить, насколько хорошо каждая модель риска предсказывает, у каких женщин будет диагностирован рак молочной железы в течение следующих 5 лет. Результат AUC может варьироваться от 0,0 (нет правильных прогнозов) до 1,0 (все прогнозы верны). Модель BCSC имела AUC 0,61. Для сравнения, модели ИИ имели результат прогнозирования риска в диапазоне от 0,63 до 0,67.

Когда прогнозы риска AI и BSCS были объединены, AUC варьировалась от 0,66 до 0,68, что было выше, чем у всех отдельных алгоритмов AI. Комбинированная модель оказалась еще лучше в прогнозировании женщин, у которых был поставлен диагноз рака молочной железы в течение года после маммографии: AUC достигала 0,73. Интервальный рак молочной железы — это опухоль, которая диагностируется (обычно потому, что женщина обнаруживает уплотнение в груди) в течение времени между скрининговой маммографией, которая выглядит нормальной, и ее следующей плановой скрининговой маммографией. Интервальный рак обычно представляет собой быстрорастущий рак, который с большей вероятностью распространяется на другие части тела.