Инструмент поддержки принятия клинических решений на основе глубокого обучения может помочь уменьшить количество ненужных биопсий молочной железы, согласно новому исследованию, опубликованному 9 августа в Radiology: Artificial Intelligence.
Ученые из Хьюстонской методистской больницы ранее разработали инструмент, получивший название iBRISK – интеллектуально-дополненный калькулятор риска рака молочной железы, чтобы лучше оценить риск развития заболевания у женщин. Ученые создали этот инструмент, применив глубокое обучение к клиническим факторам риска и маммографическим дескрипторам 9700 человек, прошедших обследование в их учреждении, и проверили его на еще более 1000 пациентках.
В новом исследовании ученые дополнительно протестировали iBRISK на независимом ретроспективном наборе данных изображений молочных желез еще 4 209 пациенток, которые прошли обследование в трех учреждениях Техаса в период с 2006 по 2016 год. Модель была специально разработана для оценки вероятности злокачественности новообразований 4 категории по системе отчетности и данных по визуализации молочной железы (ВМЖ-СОД).
Ведущий автор Chika F. Ezeana из Хьюстонского методистского онкологического центра Neal и ее коллеги получили многообещающие результаты, подсчитав, что инструмент искусственного интеллекта может сэкономить многие миллионы долларов на обследованиях, которых можно было бы избежать.
“Калькулятор iBRISK может помочь врачам, в первую очередь радиологам, в распределении пациентов на группы с низкой вероятностью злокачественности (ВЗ), чтобы избежать биопсии доброкачественных образований, в то время как группы высокого риска могут рассматриваться как пациенты ВМЖ-СОД 5”, – сообщают авторы. “Более точная система стратификации, которая учитывает жизненно важные характеристики пациента в дополнение к аномальным, подозрительным особенностям визуализации, необходима для улучшения оценки ВЗ, чтобы управлять безопасным ведением таких маммографических находок, предотвратить чрезмерную биопсию и связанные с ней расходы, а также уменьшить эмоциональный дистресс пациента”.
Точность модели iBRISK была рассчитана на уровне 89,5% с площадью под рабочей характеристикой приемника 0,93. Специфичность составила 81%, и только двое из 1228 человек в группе “низкого” ВЗ имели злокачественные поражения. И наоборот, в группе “высокого” ВЗ частота злокачественных новообразований составляла 85,9%. Оценка іBRISK как непрерывного предиктора злокачественности дала площадь под рабочей характеристической кривой реципиента 0,97.
Ezeana и соавт. подсчитали, что iBRISK может потенциально сэкономить сотни миллионов долларов ежегодно в одном учреждении. Это базируется на ставке возмещения расходов на биопсию по программе Medicare в размере 380 долларов США и средней стоимости каждого отдельного типа таких тестов. Самым распространенным видом биопсии в Онкологическом центре доктора Андерсона является стереотаксическая (68%), тогда как стоимость различных видов может варьироваться от 321 доллара до почти 3600 долларов за хирургическое обследование под контролем маммографии. Они считают, что за счет отказа от биопсии можно сэкономить около 420 миллионов долларов США на выборке из 390 000 женщин.
“Наше исследование демонстрирует, что iBRISK может эффективно помочь в стратификации риска поражений ВМЖ-СОД 4 и уменьшить чрезмерную биопсию этих поражений”, – подытожили авторы. “В конце концов, калькулятор iBRISK будет опубликован в виде онлайн-интерфейса и станет открытым, некоммерческим и доступным для систем здравоохранения и центров по всему миру. Будущие исследования направлены на дальнейшее совершенствование модели, в частности, путем включения более детализированных данных и других категорий ВМЖ-СОД”.
Ссылки на источники:
- Chika F. Ezeana et al. “A Deep Learning Decision Support Tool to Improve Risk Stratification and Reduce Unnecessary Biopsies in BI-RADS 4 Mammograms.” Radiology: Artificial Intelligence. Aug. 9, 2023.
