Mamografi taramasında kullanılan yapay zeka destekli araçlar, kanser tespitinde çığır açıcı iyileştirmeler sunarak radyologların daha fazla kanseri erken teşhis etmesine yardımcı olurken gereksiz hasta geri çağırmalarını da azaltıyor.

Nature Medicine dergisinde yayımlanan son bir çalışmada araştırmacılar, yapay zekanın (YZ) kanser tespiti ve geri çağırma oranları üzerindeki etkisini inceledi.

Mamografi taraması meme kanseriyle ilişkili ölüm oranını azaltmaya katkıda bulunur. Dahası, taramanın duyarlılığını ve özgüllüğünü iyileştirmek daha düşük aralıklı kanser oranları, geri çağırma oranları ve meme kanseri hastalarının daha etkili tedavisiyle sonuçlanabilir. Tarama programları, çoğu programda iki radyolog tarafından yorumlanması gereken önemli miktarda mamogram üretir.

Ek olarak, yüksek özgüllük ve duyarlılık elde etmek için bir fikir birliği konferansı gerekebilir. Bu nedenle, radyologların işi haftalık olarak çok sayıda görüntüyü yorumlamanın tekrarlayan görevlerini içerir. Özellikle, son kılavuzlar ek yaş grupları için mamografi taraması önerdiğinden, bu iş yükünün muhtemelen artacağı dikkat çekicidir. Yapay zekayı kanser tarama programlarına dahil etmek bazı sorunları hafifletebilir.

Çalışmalar, AI'nın doğruluk açısından radyologlara benzer ve bazen onlardan daha yüksek olduğunu ileri sürmektedir. Birkaç çalışma, geri çağırma oranlarına ilişkin tutarsız sonuçlara rağmen AI'yı entegre eden iş akışlarında kanser tespitinde artışlar gözlemlemiştir. Bununla birlikte, bu çalışmanın yazarları, bu önceki çalışmalarda radyologlar, tarama merkezleri ve ekipman satıcılarındaki daha küçük örnekler ve zayıf heterojenliğin genelleştirilebilirliklerini sınırladığını vurgulamıştır.

Çalışma ve Bulgular

Mevcut çalışmada araştırmacılar, AI'nın kanser hatırlama ve tespit oranları üzerindeki etkisini değerlendirdiler. Çalışma, Almanya'da 50-69 yaş arası asemptomatik bireyleri hedefleyen bir meme kanseri tarama programı kapsamında yürütüldü. Veriler, Temmuz 2021 ile Şubat 2023 arasında AI sistemini uygulayan birden fazla tarama merkezinden toplandı.

Tarama programında, her katılımcı için dört mamogram alındı ​​ve başlangıçta iki bağımsız radyolog tarafından okundu. Radyologlardan biri vakayı şüpheli bulursa, bir fikir birliği konferansı düzenlendi. Konferansta şüpheli bulgular devam ederse, katılımcı ek değerlendirmeler için geri çağrıldı.

Rapor en az bir radyolog tarafından AI destekli görüntüleyici kullanılarak okunup gönderildiğinde, incelemeler AI grubuna dahil edildi. AI tabanlı görüntüleyici kullanılarak gönderilmeyen incelemeler kontrol grubuna dahil edildi. Radyologlar mevcut (AI tabanlı olmayan) yazılımlarını veya AI destekli görüntüleyiciyi kullanabilirdi.

AI sistemi Vara MG, iki kritik özelliği kullanmıştır: son derece şüpheli olmayan muayeneleri normal olarak işaretleyen normal triyaj ve son derece şüpheli vakaları vurgulayan ve şüpheli bölgelerin lokalizasyonunu sağlayan bir güvenlik ağı. Bu güvenlik ağı, radyologları AI tarafından işaretlenen şüpheli olmayan bulguları incelemeye yönlendirerek atlanan tanıları azaltmayı amaçlamıştır.

Toplamda, mamografi taramasından geçen 461.818 kadın dahil edildi ve 119 radyolog muayeneleri yorumladı. Bunlardan 260.739'u AI grubuna ve 201.079'u kontrol grubuna dahil edildi. 1.000 kadından yaklaşık 42'sinde şüpheli bulgular vardı ve ek değerlendirmeler için geri çağrıldılar. Bunların yaklaşık dörtte biri biyopsiye girdi ve 1.000 kadından altısından fazlasına meme kanseri teşhisi kondu.

AI sistemi muayenelerin %59,4'ünü normal olarak sınıflandırarak radyologların iş yükünü önemli ölçüde azalttı. AI grubundaki muayenelerin %1,5'i için güvenlik ağı tetiklendi ve 541 geri çağırma ve 208 kanser tanısına yol açtı. Ek olarak, AI tarafından normal olarak işaretlenen AI grubu muayenelerinin %3,1'i konsensüs grubu tarafından daha ileri değerlendirmeye tabi tutuldu ve bu da 20 ek kanser tanısıyla sonuçlandı. Meme kanseri tespit oranı (BCDR), AI ve kontrol grupları için sırasıyla 1.000 kadında 6,7 ​​ve 5,7 idi.

AI grubu istatistiksel olarak daha yüksek BCDR'ye ve kontrol grubuna göre biraz daha düşük bir hatırlama oranına sahipti. AI ve kontrol gruplarının sırasıyla %17,9 ve %14,9'luk pozitif tahmin değerleri (PPV) vardı. AI grubu kontrol grubuna göre %8,2 daha yüksek biyopsi oranına sahipti. Bununla birlikte, AI grubu kontrol grubuna göre (%59,2) daha yüksek bir biyopsi PPV'sine (%64,5) sahipti.

Daha Geniş Etkiler ve Gelecekteki Düşünceler

Çalışma, AI'nın tarama iş akışlarına entegre edilmesinin duktal karsinoma in situ (DCIS) vakalarının tespitini artırabileceğini vurguladı. Bu, daha erken tespiti temsil etse de, bu vakalar her zaman invaziv kansere ilerlemeyebileceğinden DCIS'nin aşırı teşhisi ve aşırı tedavisi konusunda endişeler kaydedildi. Aralıklı kanser oranları ve evre dağılımı üzerindeki uzun vadeli etki, iki ila üç yıl boyunca daha fazla takip gerektiriyor.

Araştırmacılar ayrıca, reddedilen güvenlik ağı vakalarının, kanserlerin erken teşhisi için kaçırılan fırsatları içerebileceği veya gereksiz geri çağırmaların azaltılmasının değerini gösterebileceği için daha fazla analiz için önemli bir alan oluşturduğunu vurguladılar.

Birlikte ele alındığında, mamografi taraması için AI yaklaşımı güvenilir şüpheli ve güvenilir normal tahminler sağladı. AI grubundaki BCDR, kontrol grubundan %17,6 daha yüksekti. AI kullanımı ayrıca istatistiksel olarak önemsiz olsa da biraz daha düşük bir hatırlama oranıyla sonuçlandı. Bu bulgular, AI destekli mamografi taramasının güvenli, uygulanabilir olduğu ve iş yükünü azaltabileceği yönündeki kanıt tabanına katkıda bulunmaktadır.