AI-guidad mammografi minskar arbetsbelastningen med 33 % och ökar upptäckten av bröstcancer

I en nyligen publicerad studie publicerad i Radiology genomförde forskare från Danmark och Nederländerna en retrospektiv analys av screeningseffektiviteten och den totala bördan av mammografiscreening före och efter introduktionen av artificiell intelligens (AI)-system.

Regelbunden mammografiscreening för bröstcancer minskar avsevärt dödligheten i sjukdomen. Massmammografiscreening ökar dock arbetsbördan för radiologer som måste granska många mammografi, varav de flesta inte innehåller misstänkta lesioner.

Dessutom ökar dubbel screening, som används för att minska falska positiva resultat och förbättra upptäckten, arbetsbördan för radiologer ytterligare. Bristen på specialiserade radiologer som kan läsa mammografi förvärrar denna situation.

Närare studier har utförligt utforskat användningen av AI för att effektivt analysera röntgenrapporter samtidigt som höga screeningstandarder bibehålls. Det kombinerade tillvägagångssättet, där AI hjälper radiologer att lyfta fram mammografi med flaggade lesioner, tros minska radiologernas arbetsbelastning samtidigt som screeningkänsligheten bibehålls.

Den aktuella studien använde preliminära prestationsmått från två kohorter av kvinnor som screenades mammografiskt som en del av det danska nationella programmet för bröstcancerscreening för att jämföra förändringen i screeningarbete och prestanda efter introduktionen av AI-verktyg.

Programmet bjöd in kvinnor i åldrarna 50 till 69 år att screenas vartannat år fram till 79 års ålder. Kvinnor med markörer som tyder på en ökad risk för bröstcancer, såsom BRCA-gener, screenades med olika protokoll.

Forskarna använde två kohorter av kvinnor: en screenad före och en efter introduktionen av AI-systemet. Endast kvinnor under 70 år inkluderades i analysen för att utesluta de i högriskundergruppen.

Alla deltagare genomgick standardprotokoll med digital mammografi med kraniokaudala och mediolaterala sneda vyer. Alla positiva fall i denna studie identifierades genom screening för duktalt karcinom eller invasiv cancer, vilket bekräftades genom nålbiopsi. Data om patologiska rapporter, lesionsstorlek, lymfkörtelpåverkan och diagnoser erhölls också från det nationella hälsoregistret.

AI-systemet som används för att analysera mammografi har tränats med hjälp av modeller för djupinlärning för att upptäcka, markera och poängsätta eventuella misstänkta förkalkningar eller lesioner på ett mammografi. AI rankade sedan screeningarna på en skala från 1 till 10, vilket indikerar sannolikheten för bröstcancer.

Ett team av mestadels erfarna radiologer granskade mammografi för båda kohorterna. Före implementeringen av AI-systemet granskades varje screening av två radiologer, och patienten rekommenderades för klinisk undersökning och nålbiopsi endast om båda radiologerna ansåg att screeningen krävde ytterligare utvärdering.

Efter implementering av AI-systemet granskades mammografi med en poäng mindre än eller lika med 5 av en senior radiolog, med vetskap om att de bara fick en läsning. De som krävde ytterligare undersökning diskuterades med en andra radiolog.

Studien fann att implementeringen av AI-systemet avsevärt minskade arbetsbelastningen för radiologer som analyserade mammografi som en del av massscreening av bröstcancer, samtidigt som screeningeffektiviteten förbättrades.

Kohorten som screenades före implementeringen av AI-systemet bestod av mer än 60 000 kvinnor, medan kohorten som screenades med AI var cirka 58 000 kvinnor. Screening med AI resulterade i en ökning av bröstcancerdiagnoserna (0,70 % pre-AI vs. 0,82 % med AI) samtidigt som antalet falskt positiva minskade (2,39 % vs. 1,63%).

AI-baserad screening hade ett högre positivt prediktivt värde, och andelen invasiva cancerformer var lägre med AI-baserade metoder. Även om andelen nodnegativa cancerformer inte förändrades, visade andra prestationsmått att AI-baserad screening signifikant förbättrade resultaten. Läsbelastningen minskade också med 33,5 %.

Studien utvärderade därför effektiviteten av ett AI-baserat screeningsystem för att minska arbetsbelastningen för radiologer och förbättra screeningfrekvensen av mammografi som en del av massbröstcancerscreening i Danmark.

Resultaten visade att det AI-baserade systemet avsevärt minskade radiologernas arbetsbörda samtidigt som screeningfrekvensen förbättrades, vilket framgår av en signifikant ökning av bröstcancerdiagnoser och en signifikant minskning av falska positiva resultat.