AI-veiledet mammografi reduserer arbeidsmengden med 33 % og øker oppdagelsen av brystkreft

I en fersk studie publisert i tidsskriftet Radiology, utførte forskere fra Danmark og Nederland en retrospektiv analyse av screeningseffektivitet og den generelle screeningbyrden for mammografi før og etter innføringen av kunstig intelligens (KI)-systemer.

Regelmessig mammografiscreening for brystkreft reduserer dødeligheten av denne sykdommen betydelig. Massemammografiscreening øker imidlertid arbeidsmengden til radiologer som må analysere mange mammogrammer, hvorav de fleste ikke inneholder mistenkelige lesjoner.

I tillegg øker dobbeltscreening, som brukes for å redusere falske positive resultater og forbedre deteksjon, arbeidsmengden til radiologer ytterligere. Mangelen på spesialiserte radiologer som kan lese mammogrammer forverrer denne situasjonen.

Nyere studier har grundig utforsket bruken av AI for å effektivt analysere radiologirapporter samtidig som høye screeningstandarder opprettholdes. En kombinert tilnærming der AI hjelper radiologer med å fremheve mammogrammer med flaggede lesjoner antas å redusere arbeidsmengden til radiologer samtidig som screeningssensitiviteten opprettholdes.

Denne studien brukte foreløpige ytelsesmål fra to kohorter av kvinner som gjennomgikk mammografiscreening som en del av det danske nasjonale screeningprogrammet for brystkreft for å sammenligne endringen i screeningbyrde og ytelse etter innføringen av AI-verktøy.

Programmet inviterte kvinner i alderen 50 til 69 år til å bli screenet annethvert år frem til de var 79 år. Kvinner med markører som indikerer økt risiko for brystkreft, som BRCA-genene, ble screenet under forskjellige protokoller.

Forskerne brukte to kohorter av kvinner: én som ble screenet før AI-systemet ble introdusert og én etter. Analysen inkluderte kun kvinner under 70 år for å ekskludere de i en høyrisikogruppe.

Alle deltakerne gjennomgikk standardiserte protokoller ved bruk av digital mammografi med kraniokaudale og mediolaterale skrå opptak. Alle positive tilfeller i denne studien ble identifisert ved screening for duktal karsinom eller invasiv kreft, som ble bekreftet med nålebiopsi. Data om patologirapporter, lesjonsstørrelse, lymfeknuteinvolvering og diagnoser ble også innhentet fra et nasjonalt helseregister.

AI-systemet som ble brukt til å analysere mammogrammene ble trent ved hjelp av dyp læringsmodeller for å oppdage, fremheve og score eventuelle mistenkelige forkalkninger eller klumper på mammogrammet. AI-en klassifiserte deretter screeningene på en skala fra 1 til 10, som indikerer sannsynligheten for brystkreft.

Et team av hovedsakelig erfarne radiologer gjennomgikk mammografi for begge kohortene. Før AI-systemet ble hver screening gjennomgått av to radiologer, og en pasient ble anbefalt en klinisk undersøkelse og nålebiopsi bare hvis begge radiologene mente at screeningen krevde ytterligere evaluering.

Etter at AI-systemet var implementert, ble mammografier med en score på 5 eller mindre gjennomgått av en erfaren radiolog, vel vitende om at de bare ville få én avlesning. De som krevde ytterligere undersøkelse ble diskutert med en annen radiolog.

Studien fant at implementeringen av AI-systemet reduserte arbeidsmengden til radiologer som analyserte mammogrammer som en del av massescreening for brystkreft betydelig, samtidig som effektiviteten av screeningen ble forbedret.

Kohorten som ble screenet før AI-systemet ble implementert inkluderte over 60 000 kvinner, mens kohorten som ble screenet med AI inkluderte omtrent 58 000 kvinner. Screening med AI resulterte i en økning i brystkreftdiagnoser (0,70 % før AI vs. 0,82 % med AI), samtidig som antallet falske positive ble redusert (2,39 % vs. 1,63 %).

AI-basert screening hadde en høyere positiv prediktiv verdi, og andelen invasive kreftformer var lavere med AI-baserte metoder. Selv om andelen lymfeknegative kreftformer ikke endret seg, viste andre ytelsesmål at AI-basert screening forbedret resultatene betydelig. Lesebelastningen ble også redusert med 33,5 %.

Oppsummert vurderte studien effektiviteten av et AI-basert screeningsystem i å redusere radiologenes arbeidsmengde og forbedre screeningratene i mammografianalyse som en del av massescreening for brystkreft i Danmark.

Resultatene viste at det AI-baserte systemet reduserte arbeidsmengden til radiologer betydelig, samtidig som det forbedret screeningratene, noe som fremgår av en betydelig økning i brystkreftdiagnoser og en betydelig reduksjon i falske positive resultater.