Согласно исследованию, опубликованному 13 июня в журнале Radiology , модель ИИ предсказывает риск рака молочной железы после отрицательного результата скрининга .

Команда под руководством Селесты Дамиани, доктора философии, из Итальянского технологического института в Генуе обнаружила, что модель предсказывает риск рака груди с большей эффективностью, чем измерения плотности груди. Группа также обнаружила, что модель имеет аналогичную эффективность для инвазивного рака и протоковой карциномы in situ (DCIS), а также более высокую эффективность для продвинутого риска рака и рака, обнаруженного на скрининге с положительным рецептором эстрогена.

«Эти результаты предполагают, что модель может сыграть роль в разработке алгоритмов скрининга на основе рисков», — пишут Дамиани и его коллеги.

Маммографическая плотность молочной железы является одним из основных предикторов будущего риска рака молочной железы, поскольку плотная ткань может создавать маскирующий эффект при обычной маммографии. Дамиани и его коллеги выдвинули гипотезу о том, что дополнительная маммографическая информация, помимо плотности груди — например, оценки подозрений с помощью компьютерного обнаружения (CAD) — может помочь лучше оценить риск рака молочной железы.

Модель ИИ, разработанная исследователями из Массачусетского технологического института под названием Mirai, ранее показала свою эффективность в прогнозировании риска рака молочной железы в течение пятилетнего периода. Команда исследовала эффективность Mirai для оценки риска будущего рака молочной железы на основе цифровых маммограмм и исследовала возможную неоднородность результатов для интервального рака по сравнению с раком, обнаруженным на скрининге, с учетом возрастной группы и типа рака.

Исследование состояло из данных Национальной службы здравоохранения Великобритании (NHS) по программе скрининга груди, в которую были включены 2044 женщины с обнаруженным на скрининге раком (у 1528 был инвазивный рак и у 503 — DCIS). Исследователи также включили данные об интервальном раке молочной железы у 696 женщин (636 с инвазивным раком, 54 с DCIS).

Они обнаружили, что модель ИИ имела более высокую вероятность прогнозирования рака молочной железы в будущем, чем модель, в которой использовались только данные о плотности груди, с площадью под кривой (AUC) 0,67 для модели по сравнению с 0,56 для плотности груди (p <0,001). . В то время как плотность груди улучшила производительность модели для интервального прогнозирования рака с AUC от 0,69 до 0,71 (p <0,001), это не относится к раковым заболеваниям, обнаруженным на скрининге.

Модель ИИ имела общий AUC 0,68. Не было существенной разницы между интервальным (AUC, 0,69) и раком, выявленным при скрининге (AUC, 0,67; p = 0,085). Команда также обнаружила аналогичные характеристики модели для выявления инвазивного рака по сравнению с DCIS с AUC 0,68 и 0,66 соответственно (p = 0,057).

Несмотря на свои результаты, авторы исследования призвали будущих исследований объяснить внутреннюю работу модели и то, как маммографические особенности влияют на ее работу. Они написали, что необходимы дальнейшие испытания в ретроспективных и проспективных исследованиях для сравнения модели с другими инструментами, особенно с инструментами для цифрового томосинтеза молочной железы (DBT).

В сопроводительной редакционной статье Ритсе Манн, доктор медицины, доктор философии из Медицинского центра Университета Радбауд в Нидерландах, и Иоаннис Секопулос, доктор философии из Университета Твенте в Нидерландах, написали, что такое моделирование риска на основе изображений может действовать как предшественник определение оптимальных путей скрининга.

«Вполне вероятно, что обнаружение ранних признаков рака молочной железы объясняет, почему оценка риска на основе изображений работает намного лучше, чем классические оценки риска, которые фокусируются только на факторах вне груди», — пишут они.

С исследованием можно ознакомиться здесь , а с редакционной статьей — здесь .

Источник