چشم انداز فعلی AI در ماموگرافی

هوش مصنوعی از تحقیقات تجربی به عمل بالینی برای غربالگری ماموگرافی در بسیاری از مناطق منتقل شده است.سازمان های نظارتی مانند سازمان غذا و داروی ایالات متحده (FDA) بسته های نرم افزاری مبتنی بر هوش مصنوعی را برای استفاده در غربالگری سرطان سینه پاک کرده اند و به آنها اجازه می دهد در کنار رادیولوژیست ها مستقر شوند.این سیستم ها به طور معمول از شبکه های عصبی یادگیری عمیق آموزش دیده شده در مورد ده ها هزار نمونه از تصاویر انسانی استفاده می کنند، به عنوان یک تجزیه و تجزیه و تحلیل سریع از تجزیه و تحلیل های فنی، به عنوان تجزیه و تحلیل های خرد، به عنوان یک میکرو و تحلیل سریع، به عنوان یک میکرو و تجزیه و تجزیه و تجزیه و تحلیل دقیق، به آنها، به عنوان یک میکروارگانیسم های عصبی.

چگونه سیستم های AI ماموگرافی را تجزیه و تحلیل می کنند

مدل های AI هر ماموگرافی را به هزاران تکه تصویر کوچک تقسیم می کنند و نمره احتمال حضور سرطان را تعیین می کنند.سیستم سپس بیش از حد نقشه های گرمایی یا جعبه های محدود در مناطق مشکوک را می تواند این سرعت ها را بررسی کند و تصمیم بگیرد که آیا کار بیشتر ضروری است یا خیر. ابزارهای هوش مصنوعی مدرن همچنین برای امتحانات قبلی، مقایسه تصاویر فعلی با مواردی که قبل از آن تغییرات ظریف را تشخیص می دهند که ممکن است حساسیت زمانی مبهم را از دست بدهند، به خصوص تجزیه و تحلیل دقیق آن کاهش دهد.

آموزش داده ها و اعتبار

عملکرد هر الگوریتم AI به شدت به کیفیت و تنوع داده های آموزشی آن بستگی دارد[۵] سیستم های پیشرو در مجموعه داده هایی آموزش داده می شوند که شامل ماموگرافی از چندین قومیت مثبت، پروتزهای پستان و تولید کنندگان تجهیزات تصویربرداری است که باید داده های معتبر را نشان دهند نه تنها حساسیت بالا و ویژگی های خاص، بلکه قوی بودن در سراسر تنظیمات بالینی مختلف، مطالعات مستقل مانند کسانی که در مطالعه هوش مصنوعی گزارش شده اند.[۳][۳]

مزایای بالینی ادغام AI

فراتر از مزایای اساسی ذکر شده در مقاله اصلی، مزایای عمیق تر زمانی که AI در جریان کار غربالگری بافته می شود، ظهور می کند:

  • کاهش در سرطان های فاصله: سرطان های بینسال کسانی هستند که بین غربالگری برنامه ریزی شده ظاهر می شوند.مطالعات نشان می دهد که AI می تواند یافته های ظریف را شناسایی کند که ممکن است بعدا به سرطان های فاصله تبدیل شود و اجازه مداخله قبلی را می دهد.
  • سازگاری با خوانندگان: تفسیر رادیولوژیست می تواند به دلیل خستگی، تجربه یا زمان روز متفاوت باشد. AI یک پایه ثابت، کاهش تنوع بین خواندن و بهبود کیفیت برنامه کلی فراهم می کند.
  • بهینه سازی گردش کار: AI می تواند ماموگرافی را به دسته های طبیعی، خوش خیم و مشکوک تقسیم کند.در بسیاری از برنامه ها، موارد طبیعی توسط یک رادیولوژیست واحد پس از ترخیص AI خوانده می شوند، در حالی که موارد مشکوک دو برابر خوانده می شوند یا توسط یک متخصص بررسی می شوند.
  • پشتیبانی از ارزیابی تراکم سینه: اندازه گیری دقیق تراکم سینه مهم است زیرا بافت متراکم هر دو عامل خطر و عامل ماسک است. AI می تواند به طور خودکار دسته های چگالی BI-RADS را اختصاص دهد و به استاندارد سازی گزارش کمک کند.

پیاده سازی واقعی و نتایج

چندین برنامه آزمایشی بزرگ نشان داده اند که امکان سنجی از ماموگرافی کمک AI در سوئد، محاکمه MASAI ( غربالگری ماموگرافی با هوش مصنوعی) ثبت بیش از ۸۰۰۰۰ زن و گزارش داده است که غربالگری پشتیبانی شده AI ۲۰٪ بیشتر از سرطان های تشخیص داده شده به تنهایی استاندارد، با نرخ مشابه کاذب مثبت در دانمارک، منطقه دانمارک جنوبی یک راه حل مبتنی بر هوش مصنوعی را در سراسر بیمارستان های بالقوه افزایش می دهد و افزایش میزان واقعی سرطان را در حال کاهش می دهد.

مقررات و تجدید نظر

پاکسازی از سازمان های نظارتی پیش نیاز برای استفاده بالینی است. رویکرد FDA به دستگاه های پزشکی مبتنی بر AI تکامل یافته است، با بسیاری از محصولات AI ماموگرافی که در زیر مسیر طبقه بندی De Novo پاک شده است، مارک CE تحت مقررات دستگاه پزشکی افزایش یافته است. Reimbursement همچنان یک مانع در بسیاری از کشورها است؛ با این حال، مراکز ایالات متحده برای Medicare & Medicareamp (به تازگی افزایش یافته است که شواهد سیگنال دهی شده است.

چالش ها و ملاحظات اخلاقی

در حالی که وعده عالی است، ادغام AI در غربالگری ماموگرافی بدون ریسک و چالش نیست:

  • [FLT: 1] اگر مجموعه داده های آموزشی در حال حاضر جمعیت خاصی (به عنوان مثال، پوست تیره تر، که بر کنتراست ماموگرافی یا زنان با سینه های بسیار متراکم تاثیر می گذارد)، عملکرد AI ممکن است برای آن گروه ها بی نهایت بهینه سازی باشد.
  • حریم خصوصی داده: سیستم های AI نیاز به دسترسی به حجم زیادی از داده های تصویربرداری و اغلب بر پردازش مبتنی بر ابر متکی هستند. انطباق با HIPAA در ایالات متحده و GDPR در اروپا نیاز به داده های قوی و غیر قابل شناسایی و پروتکل های انتقال امن.
  • اعتماد و مهارت: رادیکال شناسان که به شدت به تحریک AI متکی هستند ممکن است کمتر در تشخیص یافته های ظریف که الگوریتم از دست می دهد، حفظ مهارت های خواندن مستقل از طریق خواندن دوره ای به کمک خواندن توصیه می شود.
  • آزادی و پاسخگویی: هنگامی که یک سیستم AI یک توصیه کاذب منفی یا مثبت ایجاد می کند، تعیین مسئولیت - چه با رادیولوژیست، بیمارستان یا فروشنده AI - از نظر قانونی پیچیده است.
  • Integration با سیستم های IT موجود: الگوریتم های AI باید به تصویر بایگانی و سیستم های ارتباطی (PACS) و سیستم های اطلاعات رادیولوژی (RIS) متصل شوند.

کارگردانی های آینده: Personal Screening و Beyond

با نگاهی به آینده، نقش AI در ماموگرافی احتمالا فراتر از تفسیر تصویر گسترش می یابد. محققان در حال توسعه مدل هایی هستند که عوامل خطر ژنتیکی، سابقه خانوادگی، داده های شیوه زندگی و تصویربرداری قبلی را برای تولید توصیه های غربالگری شخصی می کنند، به عنوان مثال، یک زن با ریسک ژنتیکی پایین و به طور مداوم طبیعی ماموگرافی ها ممکن است به جای هر دو سال به صورت ایمن بررسی شوند، در حالی که ممکن است یک فرد یا یک فاصله آزمایش MRI ارائه شود.

هوش مصنوعی Beyond Mammography در تصویربرداری سینه

AI همچنین به سایر روش های تصویربرداری سینه مانند تومسینوز دیجیتال (DBT)، سونوگرافی و MRI اعمال می شود.در DBT، AI می تواند تعداد برش های یک رادیولوژیست را کاهش دهد که باید با علامت گذاری مناطق مشکوک در 3D حجم، مدل های AI می توانند پاسخ تومور به شیمی درمانی نئودجوورت را ارزیابی کنند و پیش بینی کنند که این برنامه های پاسخ کامل برای تشخیص جامع سرطان و تشخیص کامل مغز.

نتیجه گیری: یک مسیر تحول پذیر اما دقیق

هوش مصنوعی برنامه های غربالگری ماموگرافی را با بهبود نرخ های تشخیص، کاهش کار، و فعال کردن شواهد اولیه مداخله، شواهد دنیای واقعی از کارآزمایی های بزرگ و اجرای بالینی پشتیبانی از آن، در حالی که بدن های تنظیم کننده محصولات بیشتری برای استفاده از آن روشن می کنند، با این حال، نجات موفقیت نیاز به توجه دقیق به تعصب، حریم خصوصی، ادغام گردش کار، و اعتبار مداوم دارد، به عنوان فن آوری بالغ، استراتژی های تشخیص خطر شخصی سازی دقیق تر است که احتمالا در هدف افزایش می یابد.

برای خواندن بیشتر: فهرست FDA از دستگاه های پزشکی فعال AI، نتایج کارآزمایی در رادیولوژی و بررسی AI عملکرد در جمعیت های مختلف در JAMA Open Network [FLT5:5].