2020. 02. 24. - 09:50
Mellrák: sok időt spórol a mesterséges intelligencia a betegeknek
A mesterséges intelligencia mai fejlettségével rengeteget segít a radiológusoknak az emlőrák észlelés pontosságának javításában, a páciensek kevesebb visszahívásával.
Nagy segítséget jelent a mesterséges intelligencia (MI) az orvostudomány számára – különösen nagy előrelépéseket értek el az idő folyamán a mellrák azonosításának pontosságát illetően.
Mára egy tanulmány adatai szerint a mesterséges intelligencia 88,8 százalékos érzékenységet mutat a mellrák-azonosításban, miközben a radiológusok magukban 75,3 százalékos sikerességgel dolgoznak. Az MI segítségül hívásával a pontosság 9,5 százalékot emelkedett: 84,8-ra.
Az új tanulmányt koreai akadémiai kórházak és a Lunit egészségügyi mesterséges intelligencia-cég vezette, utóbbi kimondottan a radiológia és onkológia területére specializálódott, demonstrálva az MI által támogatott mellrák kimutatás előnyeit a mammográfiai képeken.
Kevesebb visszahívással, nagyobb pontossággal azonosítja az MI a mellrákot
A tanulmányt a Lancet Digital Health közölte online, s nagy mennyiségű adathalmazzal rendelkezik Dél-Korea, az Egyesült Államok és az Egyesült Királyság öt intézményének több mint 170 ezer mammogram vizsgálatáról, ázsiai és kaukázusi nők mellfelvételeiről egyaránt.
Az egyik legfontosabb eredmény szerint az MI a radiológusokkal összehasonlítva jobb érzékenységet mutatott a rák kimutatásakor tömegek esetén (90 százalék, összehasonlítva a 78 százalékkal), torzulással vagy aszimmetriával pedig 90 százalékot mutatott az 50 százalékkal szemben.
A mesterséges intelligencia jobbnak bizonyult a T1 rákok azonosításában, melyeket korai szakaszban levő, invazív daganatként kategorizáltak.
Az MI a T1-típusú rákok 91 százalékát, míg a csomópont-negatív rákok 87 százalékát detektálta - a radiológus csoport mindkét esetben 74 százalékot észlelt.
Egy másik fontos felfedezés szerint jelentős javulás történt a radiológusok teljesítményében a mesterséges intelligencia használata előtt és után.
A tanulmány kiemelte, hogy az MI önmagában 88,8 százalékos érzékenységet mutatott a mellrák-azonosítás terén, miközben a radiológusok egyedül 75, 3 százalékosat. Amikor a radiológusokat mesterséges intelligencia segítette, a pontosság 9,5 százalékkal nőtt, 84,8 százalékra.
A mammogramok diagnosztizálásának fontos tényezője az emlősűrűség és a sűrű mellszövetek - elsősorban az ázsiai népességből származók -, amelyek megnehezítik az értelmezést, ugyanis a sűrű szövetek nagyobb valószínűséggel fedik el a rákot a mammogramon.
A tanulmány felfedezései szerint az MI diagnosztizálási teljesítményét kevésbé érintette a mellsűrűség, miközben a radiológusoké hajlamos volt erre: a zsíros mellek nagyobb érzékenysége 79,2 százalékos volt, szemben a sűrű mellekkel, melyeknél az érzékenység 73,8 százalékot mutatott.
Az MI segítségével a radiológusok azonosítási érzékenysége a sűrű mellek értelmezésekor 11 százalékkal nőtt.
A mesterséges intelligencia használata határozottan jobb eredményeket produkál.
A Nature-ben közzétett tanulmány eredményei rávilágítottak, hogy a Google MI-modellje nagyobb pontossággal észlelte az emlőrákot az azonosított szűrővizsgálatokban. Kevesebb hamis pozitív és hamis negatív eredményt hozott, mint a szakértők – írta meg a HealthCareITNews.
A Lunit a közelmúltban 26 millió dolláros forrást szerzett koreai és kínai befektetőktől – ez a társaság eddigi legnagyobb finanszírozása - a DealStreetAsia januári jelentése szerint.
Hyo-Eun Kim, a tanulmány első szerzője, a Lunit termelési vezetője elmondta: példátlan mennyiségű, pontos földrajzi valósággal bíró adatmennyiség állt a rendelkezésükre, 36 ezer rákos eset – amely hétszer nagyobb, mint a korábban elvégzett vizsgálatokhoz hasonló adatkészletek szokásos száma.
Prof. Eun-Kyung Kim, a Yonsei Egyetemi Severance Kórház emlő radiológusa és a tanulmány szerzője hozzátette: az egyik legnagyobb probléma a mammográfiás képektől származó rosszindulatú léziók felismerésénél az, hogy a hamis negatívok – az elmulasztott esetek - csökkentése érdekében a visszahívások számát növelik, szélesebb biztonsági hálózat kidolgozása révén, amely emeli a szükségtelen biopsziák számát.
A mellekről készült képek megfelelő értelmezéséhez széles körű tapasztalatokra van szükség, s a tanulmányuk kimutatta, hogy az MI több mellrák megtalálásában segíthet, kevesebb betegvisszahívással, ráadásul a rákok felismerésének korai szakaszában.
László Adrienn
