Sztuczna inteligencja coraz śmielej wchodzi do diagnostyki obrazowej, obiecując szybsze, bardziej obiektywne i precyzyjne wykrywanie chorób nowotworowych. Najnowsze badanie pokazuje jednak, że algorytmy AI stosowane w wykrywaniu raka piersi mogą przeoczyć niemal co trzeci przypadek choroby. Wyniki te nie tylko podważają narrację o „nieomylnej technologii”, ale również wskazują, że tradycyjne metody obrazowania – w nowoczesnym wydaniu – wciąż pozostają kluczowe dla bezpieczeństwa pacjentek.
Z tego artykułu dowiesz się…
- dlaczego systemy AI przeoczyły 30,7% przypadków raka piersi i w jakich sytuacjach zawodzą najczęściej
- jakie znaczenie ma gęsta tkanka piersi oraz niewielki rozmiar guza (≤ 2 cm) dla skuteczności algorytmów
- czym jest rezonans magnetyczny z sekwencją dyfuzyjną (MRI DWI) i dlaczego nie wymaga kontrastu
- jak MRI DWI może uzupełniać diagnostykę wspomaganą przez AI, zwiększając bezpieczeństwo pacjentek
AI w diagnostyce raka piersi: ambitne obietnice i twarde dane
Systemy AI-CAD (Computer-Aided Diagnosis) są dziś powszechnie wykorzystywane w radiologii jako wsparcie dla lekarzy, szczególnie w analizie mammografii. Ich zadaniem jest wskazywanie podejrzanych obszarów oraz pomoc w lokalizacji zmian nowotworowych.
Najnowsze badanie opublikowane w La Radiologia Medica oraz omawiane w European Medical Journal objęło 414 kobiet z histopatologicznie potwierdzonym rakiem piersi (średni wiek: 55,3 lat). Wszystkie pacjentki miały wykonaną mammografię, rezonans magnetyczny z sekwencją dyfuzyjną (DWI) oraz leczenie operacyjne. Aby nowotwór został uznany za wykryty przez AI, system musiał:
- zaklasyfikować zmianę jako podejrzaną,
- prawidłowo ją zlokalizować.
Jeśli którykolwiek z tych warunków nie został spełniony, przypadek uznawano za „AI-missed”.
30,7% nowotworów pominiętych przez algorytm
Wyniki okazały się niepokojące. 127 z 414 nowotworów, czyli 30,7% wszystkich przypadków, zostało przeoczonych przez system AI-CAD.
Co istotne, było to badanie retrospektywne, obejmujące wyłącznie pacjentki z potwierdzoną chorobą. Oznacza to, że w realnych warunkach badań przesiewowych – w populacji zdrowej – skuteczność algorytmów może być jeszcze niższa.
Dlaczego AI zawodzi? Gęsta tkanka i małe guzy
Analiza wieloczynnikowa wykazała dwa kluczowe czynniki ryzyka przeoczenia raka przez AI:
Gęsta tkanka piersi
Gęsta tkanka gruczołowa absorbuje promieniowanie w sposób zbliżony do zmian nowotworowych, powodując efekt maskowania. AI – podobnie jak ludzkie oko – ma trudności z odróżnieniem guza od tła anatomicznego.
- skorygowany iloraz szans (OR): 1,619
- istotność statystyczna: p = 0,049
Niewielki rozmiar guza
Zmiany o średnicy ≤ 2 cm były niemal pięciokrotnie częściej pomijane niż większe nowotwory.
- skorygowany OR: 4,698
- istotność statystyczna: p < 0,001
To właśnie te zmiany są często kluczowe klinicznie, ponieważ ich wczesne wykrycie decyduje o skuteczności leczenia.
MRI DWI – brakujące ogniwo w diagnostyce
W odpowiedzi na ograniczenia zarówno mammografii, jak i AI, badacze ocenili skuteczność rezonansu magnetycznego z sekwencją dyfuzyjną (DWI). MRI DWI:
- nie wymaga podania kontrastu,
- analizuje ruch cząsteczek wody w tkankach,
- wykrywa ograniczoną dyfuzję charakterystyczną dla gęsto upakowanych komórek nowotworowych.
Dwóch niezależnych radiologów oceniało wyłącznie obrazy DWI zmian, które zostały pominięte przez AI.
Wyniki:
- 83,5% wykrytych zmian – radiolog 1
- 79,5% wykrytych zmian – radiolog 2
- zgodność ocen: κ = 0,61 (znaczna zgodność)
DWI okazało się szczególnie skuteczne w:
- guzach > 1 cm,
- nowotworach całkowicie niewidocznych w mammografii.
Skuteczność spadała jedynie przy mikrozmianach < 1 cm.
Co oznaczają te wyniki dla praktyki klinicznej?
Autorzy badania podkreślają, że celem nie jest zdyskredytowanie AI, lecz właściwe określenie jej roli. Algorytmy świetnie radzą sobie z analizą dużych zbiorów danych, ale nie powinny być jedynym filtrem decyzyjnym. Eksperci wskazują na konieczność podejścia multimodalnego, szczególnie u kobiet:
- z gęstą tkanką piersi,
- z podwyższonym ryzykiem raka,
- z niejednoznacznymi wynikami mammografii.
W takich przypadkach MRI DWI może pełnić rolę „siatki bezpieczeństwa”, uzupełniającej diagnostykę wspomaganą przez AI.
Ograniczenia badania i dalsze kierunki
Badanie miało charakter:
- retrospektywny,
- jednoośrodkowy,
- obejmowało wyłącznie pacjentki z potwierdzonym rakiem.
Autorzy podkreślają konieczność przeprowadzenia prospektywnych, wieloośrodkowych badań przesiewowych, aby potwierdzić skuteczność DWI jako standardowego uzupełnienia algorytmów AI.
Główne wnioski
- Systemy AI-CAD nie wykryły 127 z 414 nowotworów piersi, co oznacza, że przeoczyły 30,7% przypadków, mimo że badanie obejmowało pacjentki z potwierdzonym rakiem.
- Najczęściej pomijane były guzy ≤ 2 cm oraz zmiany w gęstej tkance piersi; małe nowotwory były niemal pięciokrotnie częściej niewykrywane przez AI.
- MRI DWI wykryło ponad 80% nowotworów przeoczonych przez algorytmy (83,5% i 79,5%), wykazując wysoką powtarzalność ocen między radiologami.
- Badanie potwierdza potrzebę diagnostyki multimodalnej – AI powinno wspierać lekarzy, a nie zastępować decyzje kliniczne, szczególnie u pacjentek z podwyższonym ryzykiem.
Źródło:
- https://pubmed.ncbi.nlm.nih.gov/41324774/
