In een uitgebreide studie gepubliceerd in het tijdschrift stralenKunstmatige intelligentie (AI)-algoritmen blijken beter te presteren dan een standaard klinisch risicomodel bij het voorspellen van het vijfjaarlijkse risico op borstkanker.
Kunstmatige intelligentie-algoritmen presteerden beter dan traditionele klinische risicomodellen in een grootschalige studie, waardoor het vijfjaarlijkse risico op borstkanker nauwkeuriger werd voorspeld. Deze modellen gebruiken mammogrammen als enige gegevensbron, wat potentiële voordelen biedt bij het personaliseren van patiëntenzorg en het verbeteren van de voorspellingsefficiëntie.
In een grote studie van duizenden mammogrammen presteerden kunstmatige intelligentie (AI) -algoritmen beter dan een standaard klinisch risicomodel voor het voorspellen van het vijfjaarlijkse risico op het ontwikkelen van borstkanker. De resultaten van het onderzoek zijn gepubliceerd in stralenPublicatieblad van de Radiologische Vereniging van Noord-Amerika (RSNA).
Het risico van een vrouw om borstkanker te krijgen wordt meestal berekend met behulp van klinische modellen zoals het borstkankersurveillanceconsortium (BCSC)-risicomodel, dat gebruikmaakt van zelfgerapporteerde en andere informatie over de patiënt – inclusief leeftijd, familiegeschiedenis van de ziekte, of ze al dan niet bevallen, en of ze dikke borsten heeft – om de mate van ernst te berekenen.
“Klinische risicomodellen zijn gebaseerd op het verzamelen van informatie uit verschillende bronnen, die niet altijd beschikbaar of verzameld zijn”, zegt hoofdonderzoeker Vignesh A. Arasu, MD, PhD, een onderzoekswetenschapper en radioloog bij Kaiser Permanente in Noord-Californië. “Recente ontwikkelingen in deep learning AI bieden ons de mogelijkheid om honderdduizenden aanvullende mammografiefuncties te extraheren.”
Afbeeldingen van het rechter laterale schuine mammogram (RMLO) die een negatief resultaat tonen vanaf 2016 bij (a) 73-jarige vrouw met een Mirai-risicoscore voor kunstmatige intelligentie (AI) met een risico van meer dan 90 procent die kanker van de rechterborst ontwikkelde in 2016. 2021 na 5 jaar follow-up en (b) een 73-jarige vrouw met een Mirai AI-risicoscore van minder dan 10 procent die geen kanker ontwikkelde na 5 jaar na 5 jaar follow-up. Krediet: Radiologische Vereniging van Noord-Amerika
In de retrospectieve studie gebruikte Dr. Araso gegevens die verband houden met screening negatieve tweedimensionale mammogrammen (die geen duidelijk bewijs van kanker vertonen) uitgevoerd bij Kaiser Permanente Noord-Californië in 2016. Van de 324.009 vrouwen die in 2016 werden onderzocht, voldeden ze aan de geschiktheidscriteria, een subgroep van 13.628 vrouwen werden willekeurig geselecteerd voor analyse. Daarnaast werden alle 4.584 patiënten uit het subsidiabiliteitscohort onderzocht bij wie kanker was vastgesteld binnen vijf jaar na het oorspronkelijke mammogram uit 2016. Alle vrouwen werden gevolgd tot en met 2021.
“We kozen uit het hele jaar waarin mammogrammen werden gescand in 2016, dus onze studiepopulatie is representatief voor gemeenschappen in Noord-Californië,” zei Dr. Araso.
De onderzoekers verdeelden de studieperiode van vijf jaar in drie tijdsperioden: de tijdsperiode van kankerrisico, of incidente kankers gediagnosticeerd tussen 0 en 1 jaar. risico op het ontwikkelen van kanker in de toekomst, of op incidenten van kanker die tussen één en vijf jaar wordt gediagnosticeerd; Alle risico’s op het ontwikkelen van kanker of incidenten van kanker gediagnosticeerd tussen 0 en 5 jaar.
Met behulp van mammografie uit 2016 werden gedurende een periode van vijf jaar risicoscores voor borstkanker gegenereerd door vijf kunstmatige intelligentie-algoritmen, waaronder academische algoritmen die door onderzoekers worden gebruikt en drie commercieel verkrijgbare algoritmen. Vervolgens werden de risicoscores met elkaar en met de BCSC klinische risicoscore vergeleken.
“Alle vijf AI-algoritmen presteerden beter dan het BCSC-risicomodel voor het voorspellen van het risico op borstkanker in de leeftijd van 0 tot 5 jaar”, aldus Dr. Araso. “Deze sterke voorspellende prestatie over een periode van vijf jaar geeft aan dat AI zowel gemiste kankers als kenmerken van borstweefsel identificeert die de toekomstige ontwikkeling van kanker helpen voorspellen. Iets in mammogrammen stelt ons in staat het risico op borstkanker te volgen. Dat wil zeggen.” van kunstmatige intelligentie.
“[AI] Het is een hulpmiddel dat ons kan helpen om nauwkeurige gepersonaliseerde geneeskunde op nationaal niveau te bieden..”- Vignesh A. Arasu, MD, Ph.D.
Sommige AI-algoritmen blinken uit in het voorspellen van patiënten met een hoog risico op intervalkanker, die vaak agressief is en mogelijk een tweede mammogramlezing, aanvullende screening of kortdurende follow-upbeeldvorming vereist. Bij het evalueren van de vrouwen met het hoogste risico van 10% als voorbeeld, voorspelde de AI tot 28% meer kankers in vergelijking met de 21% voorspeld door de BCSC.
Zelfs AI-algoritmen die zijn getraind op een korte tijdshorizon (zo laag als 3 maanden) waren in staat om het toekomstige risico op kanker tot vijf jaar te voorspellen wanneer de kanker niet klinisch werd ontdekt door middel van mammografische screening. Wanneer ze samen worden gebruikt, verbeteren AI- en BCSC-risicomodellen de voorspelling van kanker.
“We zijn op zoek naar een nauwkeurige, effectieve en schaalbare manier om het risico op borstkanker bij vrouwen te begrijpen”, aldus dr. Araso. “Kunstmatige intelligentie risicomodellen op basis van mammografie bieden praktische voordelen ten opzichte van traditionele klinische risicomodellen omdat ze één enkele gegevensbron gebruiken: het mammogram zelf.”
Dr. Araso zei dat sommige instellingen al AI gebruiken om radiologen te helpen bij het opsporen van kanker in mammogrammen. De toekomstige risicoscore van een persoon, die in seconden wordt gegenereerd door AI, kan worden geïntegreerd in een radiologierapport dat wordt gedeeld met de patiënt en zijn arts.
“Kunstmatige intelligentie voor het voorspellen van het risico op kanker biedt ons de mogelijkheid om de zorg van elke vrouw te individualiseren, wat niet systematisch beschikbaar is”, zei hij. “Het is een hulpmiddel dat ons kan helpen gepersonaliseerde precisiegeneeskunde op nationaal niveau te bieden.”
Referentie: “AI-algoritmen in mammografie vergelijken met een klinisch risicomodel voor het voorspellen van 5-jaars risico op borstkanker: een observatieonderzoek” door Vignesh A. Arasu, Laurel A. Habel, Ninah S. Achacoso, Diana SM Buist, Jason B. Cord , Laura J. Esserman, Nola M. Hylton, M. Maria Glymour, John Kornak, Lawrence H. Kushi, Donald A. Lewis, Vincent X. Liu, Caitlin M. Lydon, Diana L. Meglioretti, Daniel A. Navarro, Albert Bo, Li Xin, Weifa Sih, Heo Chun Yeon en Kathryn Lee, 6 juni 2023, hier beschikbaar. stralen.
DOI: 10.1148/radiol.222733
In samenwerking met Dr. Araso werd Laurel A. Abel, Ph.D., Nina S. Achakuso, MA, Diana SM Boist, PhD, Jason B. Snoer, MD, Laura J. Esserman, MD, NOLA. M. Hilton, PhD, Maria Gilmour, PhD, John Kornack, PhD, Lawrence H. Cauchy, PhD, Don A. Lewis, MA, Vincent X. Liu, MD, Caitlin M. Lydon, MPH, Diana L. Miglioretti, Ph .D., Daniel A. Navarro, MD, Albert Pu, MS, Li Shen, Ph.D., Weiva Sieh, MD, Ph.D., Hyo-Chun Yun, MD, PhD en Katherine Lee, Ph.D.
‘Webgeek. Wannabe-denker. Lezer. Freelance reisevangelist. Liefhebber van popcultuur. Gecertificeerde muziekwetenschapper.’
