Sistem kecerdasan buatan mengurangi kesalahan positif saat menafsirkan pemindaian ultrasound payudara


Linda Moy, MD, Center for Advanced Imaging Innovation and Research, dengan NYU Langone Health Center for Advanced Imaging Innovation and Research, melaporkan hasil studi klinis yang menggunakan kecerdasan buatan (AI) untuk mengurangi positif palsu pada USG payudara (CAI2R), selama RSNA 2021. Moy, pemimpin AI radiologi, juga profesor radiologi di NYU Grossman School of Medicine dan anggota Perlmutter Cancer Center.

Dipimpin oleh para peneliti dari Departemen Radiologi NYU Langone Health dan Pusat Kanker Laura dan Isaac Perlmutter, analisis AI tim diyakini sebagai yang terbesar dari jenisnya.

Selain Moy, yang menjabat sebagai rekan penyelidik studi, penelitian ini dilakukan oleh tim berikut: Penyelidik Senior Krzysztof J. Geras, PhD, Penyelidik Pemimpin Bersama Yiqiu “Artie” Shen, Farah Shamout, dan Jamie Oliver; dan rekan penyelidik Jan Witowski, Kawshik Kannan, Jungkyu Park, Nan Wu, Connor Huddleston, Stacey Wolfson, Alexandra Millet, Robin Ehrenpreis, Divya Awal, Cathy Tyma, Naziya Samreen, Yiming Gao, Chloe Chhor, Stacey Gandhi, Cindy Lee, Sheila Kumari-Subaiya, Cindy Leonard, Reyhan Mohammed, Christopher Moczulski, Jaime Altabet, James Babb, Alana Lewin, Beatriu Reig, and Laura Heacock.

Studi yang diterbitkan dalam jurnal Nature Communications (24/09/2021), dan didukung oleh US National Science Foundation (NSF), memberikan gambaran ini:

Para peneliti yang bekerja pada inisiatif yang didukung oleh US National Science Foundation melatih AI untuk mendeteksi kanker payudara menggunakan data dari pemindaian ultrasound yang dilakukan sebelumnya. Alat AI telah sangat meningkatkan diagnosis yang akurat.

“Jika upaya kami untuk menggunakan pembelajaran mesin sebagai alat triase untuk studi ultrasound terbukti berhasil, ultrasound bisa menjadi alat yang lebih efektif dalam skrining kanker payudara, terutama sebagai alternatif mamografi dan untuk wanita dengan payudara padat,” kata Moy. “Dampaknya di masa depan dalam meningkatkan kesehatan payudara wanita bisa sangat besar,” tambahnya. Ringkasan studi disajikan di sini.

gambar payudara

Gambar USG payudara menunjukkan kanker (sebagai titik gelap di tengah di sebelah kiri dan merah di sebelah kanan, seperti yang disorot oleh komputer). Gambar milik Nature Communications

Abstrak:

Ultrasonografi adalah teknik pencitraan penting yang digunakan untuk mendeteksi dan mengkarakterisasi kanker payudara. Meskipun telah terbukti secara konsisten untuk mendeteksi kanker gaib secara mamografi, USG payudara telah ditemukan memiliki tingkat positif palsu yang tinggi.

Also Read :  Seniman versus alat kecerdasan buatan: perang telah dimulai

Dalam karya ini, sistem AI disajikan yang mencapai akurasi tingkat ahli radiologi dalam mendeteksi kanker payudara dalam gambar ultrasound.

Dikembangkan pada 288.767 ujian yang terdiri dari 5.442.907 mode B dan gambar Doppler berwarna, AI mencapai area di bawah Kurva Karakteristik Operasi Penerima (AUROC) sebesar 0,976 pada set pengujian yang terdiri dari 44.755 ujian. Dalam studi pembaca retrospektif, AI mencapai AUROC lebih tinggi daripada rata-rata sepuluh ahli radiologi dada bersertifikat (AUROC: 0,962 AI, 0,924 ± 0,02 ahli radiologi). Dengan bantuan AI, ahli radiologi mengurangi tingkat positif palsu mereka sebesar 37,3% dan mengurangi biopsi yang diminta sebesar 27,8%, dengan sensitivitas yang sama. Ini menggarisbawahi potensi AI dalam meningkatkan akurasi, konsistensi, dan efisiensi diagnostik ultrasound payudara.

Bahan dan Metode – Model

• Pengembangan sistem AI menggunakan DCNN yang dilatih tentang Pengklasifikasi Asuransi Berganda yang Sadar Global

• Model dengan pemantauan rendah yang secara otomatis mengidentifikasi lesi ganas dan jinak tanpa memerlukan penjelasan manual dari ahli radiologi

• Patologi digunakan sebagai standar referensi

• Detail tentang pra-pemrosesan data, pelabelan, anotasi, dan kebenaran dasar

• Dataset dibagi pada tingkat pasien menjadi pelatihan (60%), validasi (10%) dan database pengujian (30%).

Rekaman USG Payudara NYU

• Sistem AI dilatih pada kumpulan data internal dari 288.767 pemeriksaan ultrasound dengan total 5.442.907 gambar yang diperoleh antara tahun 2012 dan 2019 dari 143.203 pasien

• 20 pusat pencitraan yang melakukan skrining dan pemeriksaan ultrasonografi diagnostik

• 28.914 dari penyelidikan ini melibatkan setidaknya satu prosedur biopsi

• 5.593 di antaranya menjalani biopsi dengan temuan ganas.

Hasil

• Di seluruh panel yang terdiri dari 44.755 ujian, sistem AI mencapai AUC 0,976 untuk identifikasi ujian keganasan

• Di antara 663 ujian studi pembaca, sistem AI memiliki AUC 0,962, melebihi rata-rata sepuluh ahli radiologi (0,924 +/- 0,02). p<0,001

Also Read :  Pilihan melawan atau lari

• Pada sensitivitas rata-rata ahli radiologi (90,1%), sistem AI memiliki spesifisitas lebih tinggi (85,6% vs 80,7%, p<0,001)

• Sistem AI merekomendasikan lebih sedikit biopsi (19,8% vs 24,3%) p<0,001.

Studi pembaca – model hibrida

• Model hibrida meningkatkan AUC ahli radiologi dari 0,929 menjadi 0,960

• Pada tingkat sensitivitas ahli radiologi, model hibrida menawarkan:

• Peningkatan rata-rata spesifisitas radiologis dari 80,7% menjadi 88,4% (p<0,001)

• PPV ahli radiologi meningkat dari 27,1% menjadi 39,2% (p<0,001

• Model hibrida mengurangi tingkat biopsi rata-rata dari 24,3% menjadi 17,2% (p<0,001)

• Pengurangan biopsi menggunakan model hibrida menyumbang 29,4% dari semua biopsi yang direkomendasikan.

Kesimpulan

• Sistem AI mendeteksi dan mendiagnosis kanker pada USG payudara dengan akurasi yang melampaui ahli radiologi bersertifikat yang berpengalaman

• Dukungan keputusan AI mengurangi biopsi yang tidak perlu

• Model pengambilan keputusan hibrida berpotensi meningkatkan kinerja perangkat pencitraan payudara tanpa menimbulkan biaya tambahan dari pembaca manusia kedua

• Sistem ini dapat digunakan untuk mendukung pengambilan keputusan ketika ada kekurangan ahli radiologi.

Kesimpulan penelitian menawarkan perspektif peneliti pada aplikasi klinis masa depan dan dampak kecerdasan buatan pada upaya untuk meningkatkan akurasi pencitraan kanker payudara.
Di dalamnya, penulis menawarkan hal berikut tentang temuan mereka:

“Akhirnya, kami mengkaji potensi AI dalam penilaian ujian AS. Kami menunjukkan dalam studi pembaca bahwa model pembelajaran mendalam yang dilatih dengan jumlah data yang cukup besar mampu membuat diagnosis seakurat ahli radiologi berpengalaman. Kami lebih lanjut telah menunjukkan bahwa kolaborasi antara AI dan ahli radiologi dapat secara signifikan meningkatkan spesifisitas mereka dan menghindari 27,8% dari biopsi yang diminta. Kami percaya penelitian ini dapat melengkapi pendekatan masa depan untuk diagnosis kanker payudara. Selain itu, pendekatan umum yang digunakan dalam pekerjaan kami, terutama kerangka kerja untuk klasifikasi dan lokalisasi yang diawasi secara lemah, dapat memungkinkan penggunaan pembelajaran mendalam dalam tugas analisis citra medis serupa.”

Also Read :  Kecerdasan buatan dan potensinya untuk mengubah perawatan kesehatan

Sistem kecerdasan buatan untuk triase otomatis pemeriksaan USG payudara

Berikut ini adalah gambaran klinis dari studi kedua yang dipresentasikan oleh Linda Moy, MD, selama sesi RSNA 2021: Pencitraan Payudara: Ultrasound Payudara Tingkat Lanjut.

Penulis termasuk Jamie Oliver, BA, Beatrice Reig, MD, MPH, Yiming Gao, MD, Alan Lewin, MD, Linda Moy, MD, Laura Heacock, MD.

Hipotesa: Model DL yang dilatih untuk melakukan triase pemeriksaan ultrasonografi payudara karena bebas kanker dapat meningkatkan efisiensi dan spesifisitas ahli radiologi tanpa mengurangi sensitivitas.

Tujuan: Melatih sistem AI untuk triase pemeriksaan payudara untuk mengalokasikan kembali waktu ahli radiologi ke pemeriksaan dengan kecurigaan tinggi terhadap keganasan.

Bahan dan Metode – Kumpulan data

Sistem AI dilatih dengan kumpulan data internal 288.767 pemeriksaan ultrasound dengan total 5.442.907 gambar, diperoleh antara 2012 dan 2019 dari 143.203 pasien.

• 20 pusat pencitraan yang melakukan skrining dan pemeriksaan ultrasonografi diagnostik

• 28.914 dari penyelidikan ini melibatkan setidaknya satu prosedur biopsi

• 5.593 di antaranya memiliki biopsi dengan temuan ganas

Hasil

• Dalam pengujian dari 44.755 pemeriksaan, sistem AI mencapai AUC 0,96 dan mengidentifikasi pemeriksaan dengan lesi ganas

• Ketika sistem triase mengevaluasi 3.553 ujian yang awalnya dinilai sebagai B1-RADS 3, sistem tersebut mengklasifikasikan 60%, 70%, dan 80% dari ujian dengan nilai CI terendah sebagai jinak, tanpa keganasan yang hilang.

• Sistem AI dapat menghilangkan kebutuhan untuk pencitraan lanjutan

diskusi

• Dengan ambang sensitivitas tinggi, model DL kami dapat berfungsi sebagai sistem mandiri

• Triase 60-80% USG payudara dari daftar kerja ahli radiologi dengan tingkat negatif palsu 0,008-0,03%

• Menggunakan ambang sensitivitas tinggi, model DL kami menempatkan 978 (2,2%) ujian dalam alur kerja penilaian yang lebih baik dengan PPV tinggi 69,6%.

Relevansi Klinis

• Dukungan keputusan AI mengurangi biopsi yang tidak perlu dan kunjungan tindak lanjut

• Sistem ini dapat digunakan untuk mendukung pengambilan keputusan ketika ada kekurangan ahli radiologi.





Source link