マンモグラフィーにおけるAIの現状

人工知能は実験的な研究から多くの地域でのマンモグラフィースクリーニングのための臨床練習に移りました。 米国のような規制機関。 食品医薬品局(FDA)は、母乳がんスクリーニングで使用するために複数のAIベースのソフトウェアパッケージをクリアし、それらは放射性物質と一緒に展開できるようにしました。 これらのシステムは、通常、数千のマンモグラム画像で訓練されたディープラーニングのコンボリューショナルニューラルネットワークを使用して、悪性病変、建築歪み、およびマイクロロジスティックな要素を交換するという手法を習得しています。 人的レベルのマイクロロジスティックな要素は、直接的な手法ではなく、研究者や研究者の知識を研究するだけでなく、研究者のリーダーに置き換えることをします。

AIシステムがマモグラムを分析する方法

AIモデルは、各マンモグラムを数千の小さな画像パッチに分解し、癌の存在のための確率スコアを割り当てます。 その後、システムは、熱マップや疑わしい領域の境界ボックスをオーバーレイします。 ラジオロジストは、これらのプロンプトを見直し、さらなる作業が必要かどうかを判断することができます。 現代のAIツールは、以前の画像を比較して、人間の眼で見逃す可能性のある微妙な間隔変化を検出します。 この一時的な分析は、特に有利な組織の低下や人脈の低下に役立ちます。

トレーニングデータと検証

どのAIアルゴリズムのパフォーマンスも、そのトレーニングデータのクオリティと多様性に大きく依存します。 リードシステムは、複数の民族、breast密度、およびイメージング機器メーカーからマンモグラムを含むデータセットで訓練されています。 検証研究は、高感度と特異性だけでなく、異なる臨床設定を横断して堅牢性を実証しなければなりません。 ]で報告されたものなどの独立した研究は、放射線学とと[FLT:]をほぼ同じように、同じように、単一のAIを識別できる[FLT]を変換する場合には、同じように、同じように、同じように、AIを識別する場合には、同じく、同じように、同じように、同じく、同じように、または[FLT]を[FLT]を[FLT]を[FLT]を[FLT]または[F]を[FLT]を[F]を[F]または[F]を[F]を[F]を[FLT]を[F]、[[F]、[[F]、[[FLT]、[[F]、[[F]、[[F]、[[F]、[[

AIの統合の臨床的利点

元の記事にリストされている基本的な利点を超えて、AIがスクリーニングワークフローに編まれるとより深い利点が現れます。

  • 間隔がんの軽減:[インターバルがんは、スケジュールされたスクリーニングの間に出現するものです。 調査では、AIは、後にインターベンションが早期に行われる可能性がある微妙な結果を特定できることを示しています。
  • 読者の一貫性:[ 放射線療法士の解釈は、疲労、経験、または一日の時間によって異なる場合があります。 AIは一貫したベースラインを提供し、相互リーダーの変動を減らし、プログラム全体の品質を向上させる。
  • ワークフロー最適化:]AIは、通常の、良性、疑わしいカテゴリにマンモグラムをトリガすることができます。 多くのプログラムでは、通常の症例はAIクリアランス後に単一の放射状物質によって読み込まれていますが、疑わしい症例は専門家によって二重読まれたりレビューされています。 この連鎖化は異常な発見を持つ女性のためのターンアラウンド時間を短縮します。
  • ]母液密度評価のサポート:[正確な母液密度測定は、密な組織がリスク要因とマスキング因子であるので重要です。 AIは、自動的にBI-RADS密度のカテゴリを割り当て、レポートの標準化を支援することができます。

リアルワールドの実装とアウトカム

複数の大規模パイロットプログラムがAI支援のマモグラフィーの実現性を実証しました。スウェーデンでは、MASAI試験(人工知能によるマモグラフィースクリーニング)が80,000を超える女性に在籍し、AI支援スクリーニングが、AI支援スクリーニングが、標準のダブル読書よりも20%以上のがんを検知し、同様の誤陽性率を発揮しました。デンマークでは、南デンマークの地域は複数の病院にAIソリューションを導入し、再コール率を削減しながら、がん検出の15%増加を観察しました。これらの結果は、特定のAIが向上し、AIが向上する可能性を向上させます。

規制および払い戻しの考慮事項

規制当局からのクリアランスは、臨床使用のための前提条件です。 FDAのAIベースの医療機器へのアプローチは、De Novo分類経路の下でクリアされた多くのmammography AI製品が進化しています。 欧州では、医療機器規制に基づくCEマーキングが必要です。 払い戻しは、多くの国でハードルを維持します。 しかし、米国。 Medicare &センター; Medicaidサービス(CMS)は、最近、AIが増加するAIの重要性を認識するための新しいアドオン支払いコードを作成しました。 重要事項は、より大きな評価が増加する可能性があると認識の要因として、より大きな価値が増加しています。

課題と倫理的考察

約束は素晴らしいですが、AIの統合は、リスクや課題を伴わないことではありません。

  • [アルゴリズムバイアス:[]) トレーニングデータセットが特定の人口(例えば、暗く皮膚のトーン、それはマモグラムのコントラスト、または非常に密なbreastを持つ女性に影響を及ぼす)を代表する場合、AIのパフォーマンスは、それらのグループのために潜在的である可能性があります。 監査と再訓練は不可欠です。
  • [データプライバシー:]] AIシステムは、大量のイメージングデータにアクセスし、多くの場合、クラウドベースの処理に依存します。 米国および欧州のGDPRのHIPAAのコンプライアンスは、堅牢なデータ識別と安全な伝送プロトコルを必要とします。
  • [] 信頼性とデスクアレイ: 大量のAIプロンプトに依存するラジオロジストは、アルゴリズムが見逃す微妙な検索結果を検出することで、より少なく逸脱される可能性があります。 定期的な見当のない読み取りによる強力な独立した読書スキルを維持することは、お勧めです。
  • [ 信頼性と説明責任:[]] AIシステムが偽陽性または偽陽性勧告をしたとき、放射性学者、病院、またはAIベンダーのいずれであっても、法的に複雑である。 明確なガイドラインが必要です。
  • []既存のITシステムとの統合:[ AIアルゴリズムは、画像アーカイブと通信システム(PACS)と放射線情報システム(RIS)に接続する必要があります。 互換性と遅延の問題は、慎重に管理されていない場合はワークフローを中断することができます。

未来の方向:パーソナライズされたスクリーニングとそれを超えて

先に見て、マモグラフィーにおけるAIの役割は、画像の解釈を超えて拡大する可能性があります。研究者は、遺伝的リスク要因、家族歴、ライフスタイルデータ、およびパーソナライズされたスクリーニングの推奨事項を生成するための事前の画像を統合するモデルを開発しています。例えば、低遺伝リスクを持つ女性と一貫して正常な初期のマモグラムは、高リスクの個人がMRIまたは対照的指向性マモグラフィーを提供するかもしれないが、毎年2年間ではなく、安全にスクリーニングされる可能性があります。AIは、高リスクの個人がMRIまたは対照的なマモグラフィを提供する可能性があります。また、AIは、高リスクのスクリーニングの決定を予測する期間の期間を予測する可能性を予測することができます。

ブレストイメージングにおけるマモグラフィーを超えたAI

AIは、デジタル・ブレスト・トモシス(DBT)、超音波、MRIなどの他のbreastイメージング・モダリティにも適用されています。DBTでは、AIは3Dボリュームの疑わしい領域をマークすることによって、放射線学者がスクロールしなければならないスライスの数を減らすことができます。 breast MRIでは、AIモデルはneoadjuvant chemotherapyへの腫瘍反応を評価し、病態学的完全応答を予測することができます。 これらの補完アプリケーションは、AIとバイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・バイオ・

結論: 変革的だが、心的な道の先を

人工知能は、検出速度を改善し、ワークロードを減らし、早期の介入を有効にすることによって、マンモグラフィースクリーニングプログラムを再構築しています。大規模な試験および臨床実装からの現実的な証拠は、その有効性をサポートし、規制当局の体はより多くの製品を使用してクリアしている間。しかし、成功した採用は、バイアス、プライバシー、ワークフローの統合、および継続的な検証に慎重な注意が必要です。技術が成熟するにつれて、パーソナライズされたリスクベースのスクリーニング戦略は、人口の健康への影響を高める可能性が高くなります。究極の目標は、より速く、より強力な目標を達成することです。

[] 更に読むには:[]]] の FDA の AI 対応医療機器のリスト、 [] の 放射線学の MASAI 試験結果 ] 、および [[]] の多様な人口におけるAI のパフォーマンス の見直しを参照してください。