Il cancro al seno è tra le principali cause di morte negli Stati Uniti

Secondo il Istituto nazionale del cancro, all'incirca 268,670 nuovi casi di cancro al seno sono attesi quest'anno, e le donne 40,920 dovrebbero morire di malattia.

Inoltre, una donna su otto svilupperà il cancro al seno ad un certo punto della loro vita.

Sfortunatamente più di 50 per cento di mammografie negli Stati Uniti sono difettosi.

Che si tratti di un errore nel fornire un'immagine corretta o un'interpretazione errata da parte di un medico, le mammografie inaccurate spesso portano a costose diagnosi errate o alla mancata cattura di un tumore mortale.

Gli scienziati stanno quindi cercando AI per fornire ai pazienti risultati della mammografia più accurati.

Le mammografie sono difettose

I medici non riescono a rilevare con precisione un tumore dalla lettura, che può risultare in un test falso-negativo.

Al contrario, i medici potrebbero interpretare erroneamente lo screening come positivo anche quando non lo è, il che può comportare un test falso positivo e richiedere al paziente di sottoporsi a test aggiuntivi non necessari e costosi.

"I mammogrammi possono essere uno screening prezioso e salvavita per il cancro al seno in alcuni casi", ha detto Morgan Statt, un investigatore di salute e sicurezza a ConsumerSafety.org.

"Ma ci sono un certo numero di difetti che esistono all'interno della mammografia che dovrebbero incoraggiarci a continuare a migliorare i test. Da un punto di vista puramente economico, risultati mammografici falsi positivi equivale a $ 4 miliardi nella spesa nazionale ogni anno a causa di test aggiuntivi e procedure invasive. "

Inoltre, le attuali mammografie non sono in grado di rilevare tumori a rapido sviluppo tra gli screening.

Nel complesso, ognuno di questi problemi può essere dannoso per la salute fisica ed emotiva di un paziente.

"Accoppiato con l'impatto finanziario dei test mammografici difettosi è il tumulto emotivo vissuto dal paziente", ha detto Statt.

"Le sofferenze psicologiche e l'ansia possono essere vissute da donne che hanno ricevuto risultati falsi positivi, mentre le proiezioni di falsi negativi possono far apparire momenti di speranza di breve durata. Queste due sole ragioni dovrebbero incoraggiare il miglioramento continuo dei risultati della mammografia. "

Come l'AI può aiutare

L'intelligenza artificiale può essere utilizzata per migliorare l'accuratezza delle mammografie eliminando l'errore umano e aumentando la velocità delle letture mammografiche.

Poiché le letture imprecise sono spesso il risultato di un'interpretazione erronea da parte del medico, gli scienziati hanno iniziato a utilizzare sia l'apprendimento automatico che l'apprendimento profondo, un sottogruppo di intelligenza artificiale, per migliorare l'accuratezza.

"Finora, l'applicazione dell'IA nella mammografia ha dimostrato che può migliorare l'accuratezza delle proiezioni, aiutare i medici a diagnosticare a velocità molto più elevate e persino migliorare l'efficienza del flusso di lavoro all'interno della radiologia su base singola", ha affermato Statt.

Valutare il tessuto denso

In un recente studio, i ricercatori del MIT e del Massachusetts General Hospital hanno dimostrato che il loro modello di apprendimento profondo può essere utilizzato valutare il tessuto mammario denso con la stessa precisione degli esperti umani.

Il tessuto mammario denso è un fattore di rischio per il carcinoma mammario, motivo per cui i medici negli Stati Uniti di 30 sono tenuti per legge a informare i pazienti le cui mammografie identificano il tessuto denso.

Tuttavia, mentre oltre la percentuale di 40 di donne negli Stati Uniti ha un tessuto mammario denso, le valutazioni della densità del seno possono variare per una serie di motivi.

"La densità del seno è un fattore di rischio indipendente che guida il modo in cui comunichiamo con le donne sul loro rischio di cancro", ha detto Adam Yala, uno studente di dottorato in Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT e secondo autore dello studio.

"La nostra motivazione era creare uno strumento accurato e coerente, che potesse essere condiviso e utilizzato in tutti i sistemi di assistenza sanitaria".

Sia nella formazione che nei test, il modello ha imparato a identificare quattro categorie di densità del seno - grassa, sparsa, eterogenea e densa - da radiologi esperti.

Il modello si è dimostrato affidabile quanto gli esperti umani. I ricercatori hanno scoperto, per esempio, che il modello corrispondeva alle valutazioni dei radiologi di MGH su più di mammografie 10,000 a percentuale di 94.

I ricercatori hanno in programma di ridimensionare il loro modello in modo che possano renderlo disponibile ad altri ospedali

Distinguere diagnosi maligne e benigne

In un altro studio recente, i ricercatori dell'Università di Pittsburgh hanno scoperto che la loro tecnologia di apprendimento profondo potrebbe aiutare i medici identificare le caratteristiche di imaging mammografico sfumate su test falsi positivi che possono aiutarli a distinguere tra diagnosi maligne e benigne.

Gli scienziati sono stati in grado di identificare caratteristiche di imaging uniche e difficili da leggere che possono aiutare i radiologi a valutare se una lettura è veramente positiva o negativa.

"L'intelligenza artificiale, in particolare le tecniche di apprendimento approfondito, fornisce un approccio basato sui dati per identificare potenziali funzionalità di imaging che possono essere difficili da valutare / percepire visivamente dai radiologi nella lettura delle immagini", ha affermato Shandong Wu, un assistente professore di radiologia, informatica biomedica e bioingegneria all'Università di Pittsburgh.

"Così, con l'intelligenza artificiale e un ampio set di immagini mammografiche di screening, fornisce un importante schema per aiutare a risolvere il problema."

Interpretazione di mammografie

Gli scienziati del Houston Methodist Research Institute hanno sviluppato un programma di intelligenza artificiale che può interpretare mammografie con precisione percentuale 99 e 30 volte più veloce di un medico umano.

Il team ha utilizzato il software AI per valutare i report di mammografia e patologia dei pazienti 500. Il software è stato programmato per scansionare i grafici dei pazienti, raccogliere le caratteristiche diagnostiche e correlare i risultati dei mammogrammi con un sottotipo di tumore della mammella.

Ci sono volute solo poche ore perché il programma completasse tutte le letture dei pazienti 500. Una revisione manuale di soli grafici 50 richiede in genere due ore 50-70 per il clinico da completare.

Gli scienziati hanno quindi utilizzato i risultati per prevedere con precisione la probabilità di diagnosi di cancro al seno di ciascun paziente.

Conclusione

Lo sviluppo di intelligenza artificiale per mammografie più accurate è fondamentale per la salute delle donne in tutto il mondo.

"Penso che le applicazioni AI dei test mammografici dovrebbero continuare a svilupparsi per aiutare i radiologi a interpretare meglio queste scansioni, se non altro per spingere avanti la nostra continua interazione con i sistemi informatici", ha affermato Statt.