AI ตรวจพบมะเร็งเต้านมระยะหนึ่งในสามกรณีที่ตรวจไม่พบจากการคัดกรอง

อัลกอริทึมปัญญาประดิษฐ์สำหรับการคัดกรองมะเร็งเต้านมอาจช่วยปรับปรุงประสิทธิภาพของแมมโมแกรมแบบดิจิทัลโทโมซินเทซิส (DBT) โดยลดอัตราการเกิดมะเร็งได้มากถึงหนึ่งในสาม ตามการศึกษาวิจัยที่ตีพิมพ์ในวารสาร Radiology เมื่อวันนี้

มะเร็งเต้านมแบบเว้นช่วง (Interval breast cancer) คือเนื้องอกที่มีอาการซึ่งได้รับการวินิจฉัยระหว่างการตรวจคัดกรองด้วยแมมโมแกรมตามปกติ โดยทั่วไปแล้วกรณีเหล่านี้จะมีการพยากรณ์โรคที่แย่ลงเนื่องจากโรคมีความรุนแรงมากขึ้นและเนื้องอกเติบโตอย่างรวดเร็ว การตรวจเอกซเรย์เต้านมแบบ 3 มิติ (DBT) ช่วยให้มองเห็นรอยโรคที่เต้านมได้ดีขึ้น และสามารถระบุเนื้องอกที่อาจถูกซ่อนไว้โดยเนื้อเยื่อหนาแน่นได้ อย่างไรก็ตาม เนื่องจาก DBT เป็นเทคโนโลยีที่ค่อนข้างใหม่ ข้อมูลผลลัพธ์ระยะยาวสำหรับผู้ป่วยในสถาบันที่เพิ่งนำเทคนิคนี้มาใช้จึงยังมีจำกัด

“เนื่องจากข้อมูลอัตราการเสียชีวิตจากมะเร็งเต้านมมีน้อยหลังจากการตรวจคัดกรอง DBT เป็นเวลา 10 ปี อัตราการเกิดมะเร็งแบบช่วงห่างจึงมักถูกนำมาใช้เป็นตัวแทน” ดร. มานิชา บาห์ล ผู้อำนวยการฝ่ายคุณภาพภาพตรวจเต้านม โรงพยาบาลแมสซาชูเซตส์ เจเนอรัล และรองศาสตราจารย์ประจำคณะแพทยศาสตร์ มหาวิทยาลัยฮาร์วาร์ด ผู้เขียนงานวิจัยอธิบาย
“การลดลงของอัตรานี้บ่งชี้ว่าอุบัติการณ์และอัตราการเสียชีวิตจากมะเร็งเต้านมลดลง”

การศึกษา: AI ระบุเนื้องอกที่ตรวจไม่พบ

ในการศึกษาผู้ป่วย 1,376 ราย Bal และเพื่อนร่วมงานได้วิเคราะห์ย้อนหลังมะเร็งระยะลุกลาม 224 รายในผู้หญิง 224 รายที่เข้ารับการตรวจคัดกรองด้วย DBT ในภาพเหล่านี้ อัลกอริทึม AI ของ Lunit INSIGHT DBT v1.1.0.0 สามารถระบุตำแหน่งของเนื้องอกที่ไม่เคยตรวจพบมาก่อนได้อย่างถูกต้องถึง 32.6% (73 จาก 224 ราย)

“พวกเราประหลาดใจมากที่อัลกอริทึม AI ตรวจพบและระบุตำแหน่งเนื้องอกในช่วงเวลาเดียวกันได้เกือบหนึ่งในสามอย่างแม่นยำในแมมโมแกรม ซึ่งก่อนหน้านี้แพทย์ด้านรังสีวิทยาเคยตีความว่าปกติ ซึ่งเน้นย้ำถึงศักยภาพของ AI ในฐานะ 'เครื่องอ่านตัวที่สอง'” Bahl กล่าว

ตามที่นักวิจัยกล่าวไว้ นี่อาจเป็นงานวิจัยที่ตีพิมพ์ครั้งแรกที่ดูเฉพาะการใช้ AI เพื่อตรวจจับมะเร็งตามช่วงเวลาในภาพ DBT

“ก่อนหน้านี้มีการใช้ AI เพื่อตรวจหามะเร็งแบบช่วงเวลาบนแมมโมแกรมดิจิทัล 2 มิติแบบธรรมดา แต่เท่าที่เรารู้ ยังไม่มีการตีพิมพ์งานวิจัยในเอกสารเกี่ยวกับการตรวจจับมะเร็งแบบช่วงเวลาด้วย AI โดยเฉพาะบนการสแกนภาพตัดขวางแบบสามมิติ” บัลอธิบาย

วิธีการ: ในระดับรอยโรค ไม่ใช่แค่ภาพรวม

เพื่อหลีกเลี่ยงการประเมินความไวของอัลกอริทึมเกินจริง ทีมของ Bal จึงใช้การวิเคราะห์เฉพาะรอยโรค: AI จะได้รับ "คะแนนการโจมตี" เฉพาะเมื่อระบุและระบุตำแหน่งที่แน่นอนของเนื้องอกได้อย่างถูกต้องเท่านั้น

“ในทางตรงกันข้าม การวิเคราะห์ภาพทั้งหมดสามารถให้ AI 'ผ่าน' ได้ แม้ว่าคำอธิบายประกอบจะไม่ถูกต้อง ซึ่งเพิ่มความไวให้สูงขึ้นอย่างไม่เป็นธรรมชาติ” เธอกล่าวเสริม
“การมุ่งเน้นไปที่ความแม่นยำของการระบุตำแหน่งรอยโรค ช่วยให้การประเมินประสิทธิภาพทางคลินิกของอัลกอริทึมมีความน่าเชื่อถือมากขึ้น”

AI ค้นพบอะไรได้บ้าง?

• เนื้องอกที่ตรวจพบโดยอัลกอริทึมมีแนวโน้มที่จะมีขนาดใหญ่กว่า
• ส่วนใหญ่มักจะจบลงด้วยความเสียหายของต่อมน้ำเหลือง
• ซึ่งอาจหมายความว่า AI จะสามารถระบุเนื้องอกที่ลุกลามหรือเติบโตเร็วเป็นหลัก หรือเนื้องอกที่อยู่ในระยะลุกลามแล้วแต่แพทย์มองข้ามระหว่างการตรวจคัดกรอง

ผลลัพธ์โดยรวม:

ในกลุ่มผู้ป่วย 1,000 ราย (รวมทั้งผู้ป่วยที่ได้รับการยืนยันว่าเป็นเนื้องอกและผู้ป่วยที่ผลตรวจเป็นบวกปลอมหรือเป็นเนื้องอกชนิดไม่ร้ายแรง) AI:

• ระบุตำแหน่งได้อย่างถูกต้อง 84.4% จาก 334 กรณีผลบวกจริง
• จำแนกได้ถูกต้อง 85.9% จาก 333 กรณีลบจริง
• ปฏิเสธผลตรวจเท็จ 73.2% จาก 333 กรณีผลตรวจบวกเท็จ

บทสรุปและความสำคัญ

“การศึกษาของเราแสดงให้เห็นว่าอัลกอริทึม AI สามารถตรวจจับย้อนหลังและระบุตำแหน่งของมะเร็งเต้านมแบบช่วงเวลาได้เกือบหนึ่งในสามในภาพคัดกรอง DBT ได้อย่างแม่นยำ ซึ่งบ่งชี้ถึงศักยภาพในการลดอุบัติการณ์ของมะเร็งแบบช่วงเวลาและปรับปรุงผลลัพธ์การคัดกรอง” ดร. บาห์ล กล่าว

ผลลัพธ์ของเราสนับสนุนการผสานรวม AI เข้ากับเวิร์กโฟลว์ DBT เพื่อปรับปรุงความแม่นยำในการตรวจจับมะเร็ง อย่างไรก็ตาม ผลกระทบที่แท้จริงจะขึ้นอยู่กับระดับที่รังสีแพทย์นำ AI มาใช้และปรับใช้ในทางคลินิก รวมถึงการทดสอบประสิทธิภาพในบริบททางคลินิกที่แตกต่างกัน