Исследование предполагает, что искусственный интеллект (ИИ) может точно определить пациентов с самым высоким риском развития рака молочной железы в ближайшие пять лет лучше, чем стандартная оценка риска, используемая в клинике.
Врачи обычно предсказывают пятилетний риск развития рака молочной железы у человека, используя модели, которые учитывают возраст, расу, этническую принадлежность, семейный анамнез рака молочной железы и то, брали ли у него когда-либо образцы ткани молочной железы для анализа из-за подозрительных образований в груди. Эти модели также учитывают плотность груди, оцениваемую с помощью маммограмм.
Однако “только примерно у 15-20% женщин, у которых диагностируется рак молочной железы, есть известный фактор риска, такой как семейный анамнез заболевания или ранее проводившаяся биопсия молочной железы”, – сказал Live Science радиолог, специализирующийся на визуализации рака в Калифорнийском университете в Сан-Франциско.
По словам Арасу, искусственный интеллект помог рентгенологам идентифицировать сотни признаков на маммограмме, которые могут помочь врачам в диагностике рака молочной железы. “Мне было интересно понять, как одна и та же технология может помочь нам понять будущие риски”, – сказал он.
Связанные:
В исследовании, опубликованном во вторник (6 июня) в журнале, Арасу и его коллеги проанализировали, насколько хорошо пять моделей искусственного интеллекта предсказывали, у кого из 18 000 пациентов был самый высокий пятилетний риск развития рака молочной железы. В анализе использовались данные пациенток, которые прошли маммографию в 2016 году и затем находились под наблюдением до 2021 года. В целом, около 4400 участниц заболели раком в течение пяти лет после проведения маммографии.
Модели основывали свои прогнозы на маммограммах, которые на тот момент не выявили видимых признаков рака. Хотя остается неясным, как именно модели искусственного интеллекта предсказывают риск развития рака на основе данных маммографии, в целом они связывают определенные особенности и закономерности в структуре тканей молочной железы с риском развития рака, сказал Арасу.
Исследователи сопоставили эти модели искусственного интеллекта с широко используемой оценкой, называемой моделью клинического риска Консорциума по надзору за раком молочной железы (BCSC).
На долю пациентов с самыми высокими показателями риска ИИ в 90-м процентиле приходилось от 24% до 28% случаев рака, возникших в течение пяти лет. Для сравнения, самые высокие показатели BCSC зафиксировали только 21% случаев рака. Модели искусственного интеллекта показали наибольшее преимущество перед моделью BCSC при прогнозировании того, у каких пациенток с наибольшей вероятностью разовьется рак молочной железы в течение года после маммографии.
Полученные результаты свидетельствуют о том, что “искусственный интеллект может использоваться наряду с традиционной моделью риска” для прогнозирования будущего риска рака молочной железы, сказал Арасу.
По словам Арасу, в клинике люди, которые, по прогнозам ИИ, подвержены наибольшему риску развития рака молочной железы, могли бы проходить скрининг чаще, чтобы потенциально выявить рак раньше. Этим лицам из группы высокого риска также потенциально может быть назначена профилактическая терапия, например, блокирующая эстроген в клетках молочной железы, чтобы снизить риск развития рака молочной железы.
—
—
—
Поскольку исследование было сосредоточено на преимущественно белом, неиспаноязычном населении, необходима дальнейшая работа, чтобы установить, насколько хорошо модели искусственного интеллекта могут работать для людей разных рас и этнических групп, сказал Арасу.
Хотя “это очень хорошо проведенное исследование”, другим ограничением является то, что неясно, как модели искусственного интеллекта могут работать при раковых заболеваниях различной степени тяжести, сообщил Live Science по электронной почте статистик, изучающий профилактику и раннее выявление рака в Лондонском университете Королевы Марии.
Например, если модели искусственного интеллекта лучше всего обнаруживают небольшие опухоли, которые еще не распространились или не дали метастазы, они могут дать мало преимуществ по сравнению со стандартными моделями риска, поскольку “прогноз и лечение рака, скорее всего, будут одинаковыми”, – сказал он.
“С другой стороны, если запущенные формы рака можно будет выявить раньше, используя модель для адаптации стратегий скрининга или профилактики рака, то клинические преимущества могут быть значительными”, – сказал Брентнолл.
“На самом деле это и есть цель нашего следующего этапа исследований”, – сказал Арасу.
По словам Брентнолла, нынешнее непонимание учеными того, как модели искусственного интеллекта приходят к своим выводам, также может затруднить внедрение этих систем в клинике, поскольку врачи, возможно, не смогут объяснить пациентам, как оценивается их риск.
