Sztuczna inteligencja coraz częściej staje się narzędziem wspierającym diagnostykę obrazową w medycynie. Najnowsze badanie opublikowane w Nature Cancer pokazuje, że wykorzystanie algorytmów AI w programie badań przesiewowych raka piersi może znacząco zwiększyć skuteczność diagnostyki. Według wyników analizy przeprowadzonej w Wielkiej Brytanii sztuczna inteligencja zwiększyła wykrywalność raka piersi o 10,4%, a jednocześnie może zmniejszyć obciążenie pracą personelu medycznego o ponad 30%. Badanie przeprowadzili naukowcy z Uniwersytetu w Aberdeen, klinicyści z NHS Grampian oraz specjaliści z firmy Kheiron Medical Technologies, obecnie należącej do DeepHealth Inc. Wyniki sugerują, że odpowiednio wdrożone systemy AI mogą nie tylko poprawić skuteczność badań przesiewowych, ale także usprawnić organizację pracy w radiologii.
Z tego artykułu dowiesz się…
- Jak sztuczna inteligencja wpływa na skuteczność badań przesiewowych raka piersi oraz o ile wzrosła wykrywalność nowotworów w analizowanym badaniu.
- Na czym polega projekt GEMINI i jak oceniano zastosowanie algorytmu AI w analizie mammografii.
- W jaki sposób AI może odciążyć radiologów i zmniejszyć obciążenie pracą personelu medycznego nawet o ponad 30%.
- Dlaczego wykorzystanie sztucznej inteligencji może ograniczyć liczbę niepotrzebnych badań i biopsji, zmniejszając stres pacjentek i koszty systemu opieki zdrowotnej.
Projekt GEMINI – jedno z największych badań AI w mammografii
Analiza była częścią projektu GEMINI (Grampian’s Evaluation of Mia in an Innovative National Breast Screening Initiative) prowadzonego w północno-wschodniej Szkocji. Badanie miało na celu kompleksową ocenę możliwości wykorzystania sztucznej inteligencji w realnych warunkach klinicznych programu badań przesiewowych. Naukowcy przeanalizowali dane z badań mammograficznych wykonanych u 10 889 kobiet w ośrodku NHS Grampian. Do analizy wykorzystano system AI Mia, opracowany przez firmę Kheiron Medical Technologies.
Algorytm został zaprojektowany tak, aby analizować mammogramy w sposób podobny do radiologów – identyfikując obszary potencjalnie podejrzane i wymagające dalszej oceny. Aby dokładnie ocenić potencjał technologii, badacze przetestowali 17 różnych scenariuszy integracji AI z procesem diagnostycznym, symulując różne konfiguracje pracy zespołów radiologicznych.
Wyższa wykrywalność raka piersi
Najważniejszym wynikiem badania był wzrost wykrywalności nowotworów piersi o 10,4% w porównaniu ze standardowym procesem diagnostycznym. Co szczególnie istotne, większość dodatkowo wykrytych nowotworów stanowiły guzy inwazyjne o wysokim stopniu złośliwości, które wymagają szybkiego leczenia.
Wczesna identyfikacja takich zmian ma ogromne znaczenie kliniczne, ponieważ umożliwia rozpoczęcie terapii na wcześniejszym etapie choroby, co zwiększa szanse na skuteczne leczenie.
Szybsze informowanie pacjentek o wyniku badania
Zastosowanie sztucznej inteligencji przyczyniło się także do skrócenia czasu przekazywania wyników badań pacjentkom. W analizowanym programie czas powiadomienia o wyniku badania został skrócony z 14 dni do zaledwie 3 dni. Tak znaczące przyspieszenie diagnostyki może mieć duże znaczenie zarówno z punktu widzenia medycznego, jak i psychologicznego. Krótszy czas oczekiwania na wynik zmniejsza stres pacjentek oraz pozwala szybciej rozpocząć dalszą diagnostykę lub leczenie.
Mniej niepotrzebnych badań i biopsji
Jednym z największych wyzwań w programach badań przesiewowych raka piersi jest wysoka liczba kobiet kierowanych na dodatkowe badania diagnostyczne. W obecnym systemie brytyjskiego programu mammograficznego na każde pięć kobiet wezwanych na dodatkową diagnostykę tylko u jednej potwierdzany jest nowotwór.
Oznacza to, że wiele pacjentek przechodzi stresujące i często inwazyjne procedury diagnostyczne, które ostatecznie okazują się niepotrzebne. Według wyników badania wykorzystanie sztucznej inteligencji może zmniejszyć liczbę niepotrzebnych wezwań na dalsze badania, w tym biopsje. Jak podkreślają autorzy badania, ograniczenie takich przypadków może znacząco poprawić doświadczenia pacjentek oraz ograniczyć koszty systemu opieki zdrowotnej.
AI jako wsparcie dla radiologów
Obecnie w brytyjskim programie badań przesiewowych każda mammografia jest analizowana przez dwóch radiologów, co ma na celu ograniczenie ryzyka przeoczenia zmian nowotworowych. Mimo tego około 20% przypadków raka piersi może zostać przeoczonych podczas standardowej oceny obrazów.
Badanie GEMINI pokazało, że najlepsze rezultaty osiągnięto w modelu, w którym sztuczna inteligencja pełniła rolę drugiego czytelnika lub dodatkowego systemu zabezpieczającego diagnostykę. Takie rozwiązanie pozwala jednocześnie zwiększyć skuteczność wykrywania raka i zmniejszyć obciążenie pracą radiologów. Dr Clarisse de Vries podkreśla znaczenie tych wyników:
Dlatego nasze odkrycia są tak ważne – nie tylko znaleźliśmy optymalne sposoby szybszego i dokładniejszego wykrywania raka piersi, ale także znaleźliśmy sposoby na zmniejszenie liczby kobiet, które muszą powracać na niepotrzebne badania.
AI może zmienić organizację opieki zdrowotnej
Eksperci podkreślają, że wykorzystanie sztucznej inteligencji w diagnostyce obrazowej może mieć znacznie szerszy wpływ na funkcjonowanie systemu ochrony zdrowia. Niccolo Stefani z firmy DeepHealth wskazuje:
To badanie pokazuje, że sztuczna inteligencja może zrobić więcej niż tylko zwiększyć dokładność badań klinicznych – może również na nowo zdefiniować sposób, w jaki zapewniamy opiekę zdrowotną. Wykrywając więcej nowotworów na wcześniejszym etapie i ograniczając liczbę niepotrzebnych interwencji, nie tylko przyczyniamy się do poprawy wyników leczenia kobiet, ale także wyznaczamy nowy standard skalowalnej, proaktywnej opieki. To realny przykład tego, jak rozwiązania oparte na sztucznej inteligencji mogą potencjalnie zmieniać stadium choroby.
Wyzwania wdrożenia sztucznej inteligencji w screening
Pomimo obiecujących wyników, sztuczna inteligencja nie została jeszcze w pełni wdrożona do programów badań przesiewowych raka piersi w Wielkiej Brytanii. Narodowa Komisja ds. Badań Przesiewowych (UK National Screening Committee) wskazywała dotychczas, że dostępne dowody naukowe były niewystarczające, aby rekomendować jej szerokie zastosowanie. Dr Clarisse de Vries podkreśla jednak, że nowe badanie dostarcza wysokiej jakości danych klinicznych:
Opieka zdrowotna i radiologia stoją przed poważnymi wyzwaniami z powodu dużego obciążenia pracą, niedoboru radiologów klinicznych i starzenia się społeczeństwa. Nasza praca dostarcza wysokiej jakości dowodów naukowych do literatury naukowej na poparcie sztucznej inteligencji. Pokazuje również, że wykorzystanie sztucznej inteligencji można dostosować do lokalnych potrzeb opieki zdrowotnej w celu usprawnienia świadczenia usług.
Kolejne badania nad wykorzystaniem AI w diagnostyce
Wyniki projektu GEMINI stanowią podstawę dla kolejnych badań nad wykorzystaniem sztucznej inteligencji w mammografii. Jednym z najważniejszych planowanych projektów jest badanie EDITH, które oceni zastosowanie AI w programach badań przesiewowych raka piersi w wielu ośrodkach w Wielkiej Brytanii. Profesor Gerald Lip z Uniwersytetu w Aberdeen podkreśla znaczenie wyników:
Nasze wyniki pokazują, że sztuczna inteligencja może skutecznie wspierać usługi badań mammograficznych, zwiększając wykrywalność nowotworów i zmniejszając obciążenie pracą lekarzy.
Główne wnioski
- Zastosowanie sztucznej inteligencji w badaniach przesiewowych raka piersi zwiększyło wykrywalność nowotworów o 10,4%, co potwierdzają wyniki badania opublikowanego w czasopiśmie Nature Cancer.
- Analiza objęła 10 889 kobiet w ośrodku NHS Grampian i była częścią projektu GEMINI oceniającego wykorzystanie systemu AI Mia opracowanego przez Kheiron Medical Technologies.
- Sztuczna inteligencja może zmniejszyć obciążenie pracą radiologów o ponad 30%, wspierając analizę mammogramów i pełniąc funkcję drugiego czytelnika w procesie diagnostycznym.
- Wykorzystanie AI skróciło czas informowania pacjentek o wyniku badania z 14 do 3 dni oraz może ograniczyć liczbę niepotrzebnych wezwań na dodatkową diagnostykę i biopsje.
Źródło:
- https://www.nature.com/articles/s43018-026-01126-1
- University of Aberdeen
