Wczesne wykrycie raka piersi pozostaje jednym z kluczowych czynników decydujących o skuteczności leczenia i rokowaniach. Tradycyjne mammografie, mimo ogromnego postępu technologicznego, wciąż nie są wolne od błędów. Przeoczenia mogą mieć dramatyczne konsekwencje dla zdrowia pacjentek. Najnowsze badanie naukowców z UCLA Health Jonsson Comprehensive Cancer Center pokazuje, że sztuczna inteligencja (AI) może stanowić istotne wsparcie w wykrywaniu nowotworów piersi rozwijających się w tzw. okresie interwałowym – czyli między rutynowymi badaniami przesiewowymi.
Z tego artykułu dowiesz się…
- Jak sztuczna inteligencja może wspierać radiologów w wykrywaniu raka piersi na wcześniejszym etapie.
- Czym są nowotwory interwałowe i dlaczego ich wykrycie stanowi wyzwanie dla standardowej mammografii.
- Jakie konkretne wyniki przyniosło badanie UCLA z wykorzystaniem narzędzia AI Transpara.
- Dlaczego połączenie AI z doświadczeniem lekarza może zwiększyć szanse na skuteczne leczenie raka piersi.
Czym jest rak interwałowy i dlaczego trudno go wykryć?
Rak interwałowy to nowotwór piersi, który rozwija się w okresie pomiędzy kolejnymi mammografiami i często bywa wykrywany dopiero w bardziej zaawansowanym stadium. Tego typu nowotwory mogą rozwijać się bardzo szybko lub mieć cechy, które sprawiają, że są trudne do uchwycenia w standardowym badaniu obrazowym. Jak pokazały wyniki badania opublikowanego w Journal of the National Cancer Institute, wiele z tych przypadków może być widocznych na mammogramie, ale nie są rozpoznawane przez radiologów ze względu na subtelność objawów lub ich niewielką widoczność.
AI jako „druga para oczu” dla radiologów
Badacze z UCLA postanowili sprawdzić, czy komercyjnie dostępne narzędzie AI o nazwie Transpara może pomóc w wykrywaniu tych trudnych do zidentyfikowania zmian. Narzędzie ocenia każdą mammografię w skali od 1 do 10, przy czym wynik 8 lub wyższy uznaje się za potencjalnie niepokojący. Analizie poddano dane z prawie 185 000 mammografii wykonanych w latach 2010–2019. Wśród nich zidentyfikowano 148 przypadków raka interwałowego.
Najważniejsze wyniki są obiecujące:
- AI oznaczyła 76% mammogramów, które pierwotnie uznano za prawidłowe, ale później powiązano je z diagnozą raka.
- Wykryto aż 90% przypadków błędów w odczycie, czyli sytuacji, w których zmiana nowotworowa była widoczna na obrazie, ale przeoczona przez radiologa.
- Sztuczna inteligencja uchwyciła 89% nowotworów z minimalnymi objawami, które wymagały leczenia, oraz 72% zmian, które choć subtelne, nie budziły podejrzeń.
- W przypadku ukrytych nowotworów, które są niewidoczne nawet dla doświadczonego oka, AI zidentyfikowała 69% przypadków.
Jak zauważyła dr Tiffany Yu, główna autorka badania i adiunkt radiologii w David Geffen School of Medicine na UCLA:
To odkrycie jest ważne, ponieważ te typy raka interwałowego można wykryć wcześniej, gdy nowotwór jest łatwiejszy do leczenia. Dla pacjentów wczesne wykrycie raka może mieć ogromne znaczenie. Może prowadzić do mniej agresywnego leczenia i zwiększać szanse na lepszy wynik.
Różnice w praktykach przesiewowych USA i Europy
Warto zaznaczyć, że badanie UCLA należy do pierwszych tego rodzaju przeprowadzonych w Stanach Zjednoczonych. Praktyki przesiewowe w USA różnią się od europejskich – w USA dominującą metodą jest cyfrowa tomosynteza piersi (DBT), tzw. mammografia 3D, a badania wykonywane są co roku. W Europie częściej stosuje się mammografię cyfrową 2D (DM), a pacjentki są zazwyczaj badane co dwa lub trzy lata. To oznacza, że wdrożenie AI w Stanach wymaga dostosowania do innego modelu diagnostyki.
AI działa, ale nie jest wolna od ograniczeń
Chociaż wyniki są obiecujące, naukowcy podkreślają, że narzędzie AI nie jest pozbawione wad. W przypadku ukrytych zmian AI oznaczała aż 69% z nich, ale gdy zespół przyjrzał się konkretnym miejscom wskazanym jako podejrzane, dokładność AI była niższa. Jak zaznacza dr Hannah Milch, starsza autorka badania:
Chociaż uzyskaliśmy kilka ekscytujących wyników, odkryliśmy również wiele niedokładności AI i problemów, które należy dalej badać w warunkach rzeczywistych. Na przykład, pomimo bycia niewidocznym na mammografii, narzędzie AI nadal oznaczyło 69% mammogramów przesiewowych, które zawierały ukryte nowotwory. Jednak gdy przyjrzeliśmy się konkretnym obszarom na obrazach, które AI oznaczyła jako podejrzane, AI nie wykonała tak dobrej roboty i oznaczyła rzeczywisty nowotwór tylko w 22% przypadków.
To prowadzi do kolejnych pytań – jak powinien zachować się radiolog, kiedy AI wskazuje obszar podejrzany, którego nie da się potwierdzić gołym okiem? Czy warto wdrażać dodatkowe badania obrazowe, czy raczej monitorować pacjentkę bardziej intensywnie?
W stronę lepszej przyszłości diagnostyki
Naukowcy podkreślają, że potrzebne są szersze badania prospektywne, które pozwolą sprawdzić, jak w warunkach klinicznych radiolodzy będą współpracować ze sztuczną inteligencją. Zintegrowanie AI z codzienną praktyką może przynieść realne korzyści:
- szybsze i dokładniejsze wykrycie raka,
- mniejsze ryzyko przeoczenia zmian,
- możliwość zastosowania mniej inwazyjnego leczenia,
- większe szanse na przeżycie i lepszą jakość życia pacjentek.
Dr Tiffany Yu podsumowuje:
Chociaż AI nie jest doskonała i nie powinna być stosowana samodzielnie, te odkrycia potwierdzają ideę, że AI może pomóc zmienić raka piersi w odstępie czasu w kierunku głównie prawdziwych nowotworów w odstępie czasu. Pokazuje potencjał, aby służyć jako cenna druga para oczu, szczególnie w przypadku rodzajów nowotworów, które najtrudniej wykryć wcześnie. Chodzi o zapewnienie radiologom lepszych narzędzi i zapewnienie pacjentom najlepszej szansy na wczesne wykrycie raka, co może doprowadzić do uratowania większej liczby istnień ludzkich.
Główne wnioski
- AI oznaczyła 76% mammogramów, które pierwotnie uznano za prawidłowe, a później powiązano z diagnozą raka piersi.
- Narzędzie Transpara wykryło 90% przypadków błędów odczytu, gdzie zmiana była widoczna, ale przeoczona przez radiologa.
- Sztuczna inteligencja zidentyfikowała 89% nowotworów z minimalnymi objawami, które wymagały leczenia – i 72% zmian niebudzących wstępnie podejrzeń.
- AI może stać się skutecznym wsparciem w diagnostyce raka piersi, ale wymaga dalszych badań klinicznych i odpowiednich procedur wdrożeniowych.
Źródło:
- uclahealth.org
