Алгоритми за машинно обучение могат да помогнат за подобряването на точността при скрининг на рак на гърдата
Алгоритми за машинно обучение могат да помогнат за подобряването на точността при скрининг на рак на гърдата, когато се използват в комбинация с оценки от радиолози, според проучване, публикувано в JAMA Network Open.
Проучването се е основавало на резултатите от Digital Mammography (DM) DREAM Challenge – състезание, създадено от
международна научна общност, за да се прецени дали алгоритмите за изкуствен интелект (AI) могат да победят интерпретационната точност на радиолога.
Въз основа на тези открития, се е преценило, че добавянето на Изкуствен интелект към интерпретацията на рентгенолозите би могло да предотврати 500 000 ненужни диагностични процедури всяка година в САЩ.
Подробности за алгоритъма
Алгоритмите, използвали само изображения (предизвикателство 1) или комбинация от изображения, от предишни изследвания (ако е имало такива) и данни за клиничните и демографските рискови фактори (предизвикателство 2). След това те са извеждали резултат, който се изразява в: да / не, за раково заболяване в рамките на 12 месеца. Разработен е и след това тестван метод, който е обединил най-добрите алгоритми и оценки на радиолозите.
Общо 144 231 скринингови мамограми от 85 580 жени в Съединените щати, 952 от които са били положителни за рак под 12 месеца от скрининга, са били използвани за обучението на алгоритмите. Втората кохорта за валидация е включвала 166 578 скрининга от 68 008 жени в Швеция, 780 от които са били положителни за рак.
Резултати
Най-добрият алгоритъм постигнал площ под кривата от 0,858 за жените в Съединените щати и 0,903 за жените в Швеция и
66,2% (САЩ) и 98,5% (Швеция) специфичност при чувствителността.
Комбинация от най-добре работещите алгоритми плюс оценките на рентгенолозите са подобрили
общата точност на скрининга (с площ под кривата до 0,942 и подобряването на специфичността – 92% – с еднаква чувствителност).
Проучването предполага, че алгоритмичните комбинации от интерпретации на ИИ и радиолозите биха могли да осигурят механизъм за значително намаляване на ненужните диагностични процедури.
Източник на информация:
1.https://ascopost.com/news/march-2020/ai-algorithms-plus-radiologist-assessment-may-help-to-improve-accuracy-in-reading-mammography-results/?fbclid=IwAR1DPLTg8WngPM8l7wAGQgSfl5yBOtkRnm65uIClL36zahaA6JwYFTJsxsE