แมมโมแกรมนำทางด้วย AI ช่วยลดภาระงานได้ 33% และเพิ่มการตรวจจับมะเร็งเต้านม

ในการศึกษาล่าสุดที่ตีพิมพ์ในวารสาร Radiologyนักวิจัยจากเดนมาร์กและเนเธอร์แลนด์ได้ทำการวิเคราะห์แบบย้อนหลังเกี่ยวกับประสิทธิผลของการคัดกรองและภาระการตรวจคัดกรองด้วยแมมโมแกรมโดยรวม ก่อนและหลังการนำระบบปัญญาประดิษฐ์ (AI) มาใช้

การตรวจคัดกรองมะเร็งเต้านมด้วยแมมโมแกรมเป็นประจำจะช่วยลดอัตราการเสียชีวิตจากโรคนี้ได้อย่างมาก อย่างไรก็ตาม การตรวจคัดกรองด้วยแมมโมแกรมจำนวนมากจะเพิ่มภาระงานของรังสีแพทย์ที่ต้องวิเคราะห์แมมโมแกรมจำนวนมาก ซึ่งส่วนใหญ่มักไม่พบรอยโรคที่น่าสงสัย

นอกจากนี้ การตรวจคัดกรองแบบคู่ซึ่งใช้เพื่อลดผลบวกปลอมและปรับปรุงการตรวจจับ ยังเพิ่มภาระงานของรังสีแพทย์อีกด้วย การขาดแคลนรังสีแพทย์เฉพาะทางที่สามารถอ่านแมมโมแกรมทำให้สถานการณ์นี้เลวร้ายลง

การศึกษาล่าสุดได้ศึกษาการใช้ AI ในการวิเคราะห์รายงานรังสีวิทยาอย่างมีประสิทธิภาพในขณะที่ยังคงมาตรฐานการคัดกรองที่สูง แนวทางผสมผสานที่ AI ช่วยให้นักรังสีวิทยาเน้นภาพแมมโมแกรมที่มีรอยโรคที่ตรวจพบ เชื่อว่าจะช่วยลดภาระงานของนักรังสีวิทยาในขณะที่ยังคงความไวในการคัดกรองไว้ได้

การศึกษาปัจจุบันใช้มาตรการประสิทธิภาพเบื้องต้นจากกลุ่มผู้หญิงสองกลุ่มที่เข้ารับการคัดกรองมะเร็งเต้านมด้วยแมมโมแกรมเป็นส่วนหนึ่งของโครงการคัดกรองมะเร็งเต้านมแห่งชาติของเดนมาร์กเพื่อเปรียบเทียบการเปลี่ยนแปลงของภาระการคัดกรองและประสิทธิภาพหลังจากการนำเครื่องมือ AI มาใช้

โครงการนี้ได้เชิญชวนสตรีที่มีอายุระหว่าง 50 ถึง 69 ปี ให้เข้ารับการคัดกรองทุก ๆ สองปี จนถึงอายุ 79 ปี สตรีที่มีเครื่องหมายบ่งชี้ความเสี่ยงมะเร็งเต้านมเพิ่มขึ้น เช่น ยีน BRCA จะได้รับการคัดกรองภายใต้โปรโตคอลที่แตกต่างกัน

นักวิจัยใช้กลุ่มผู้หญิง 2 กลุ่ม กลุ่มหนึ่งคัดกรองก่อนนำระบบ AI มาใช้ และอีกกลุ่มคัดกรองหลังนำระบบ AI มาใช้ การวิเคราะห์ครอบคลุมเฉพาะผู้หญิงที่มีอายุต่ำกว่า 70 ปี เพื่อแยกผู้หญิงที่อยู่ในกลุ่มเสี่ยงสูงออกไป

ผู้เข้าร่วมทั้งหมดเข้ารับการตรวจมาตรฐานโดยใช้แมมโมแกรมดิจิทัลพร้อมมุมมองเฉียงของกะโหลกศีรษะและด้านข้างและตรงกลาง ผู้ป่วยที่ติดเชื้อทั้งหมดในการศึกษานี้ได้รับการระบุโดยการคัดกรองมะเร็งท่อน้ำนมหรือมะเร็งที่ลุกลาม ซึ่งได้รับการยืนยันด้วยการตรวจชิ้นเนื้อด้วยเข็ม นอกจากนี้ ข้อมูลเกี่ยวกับรายงานทางพยาธิวิทยา ขนาดของรอยโรค การมีส่วนเกี่ยวข้องของต่อมน้ำเหลือง และการวินิจฉัยยังได้รับจากทะเบียนสุขภาพแห่งชาติด้วย

ระบบ AI ที่ใช้ในการวิเคราะห์แมมโมแกรมได้รับการฝึกฝนโดยใช้โมเดลการเรียนรู้เชิงลึกเพื่อตรวจจับ เน้นย้ำ และให้คะแนนการสะสมตัวของแคลเซียมหรือก้อนเนื้อที่น่าสงสัยบนแมมโมแกรม จากนั้น AI จะจำแนกการคัดกรองโดยใช้มาตราส่วน 1 ถึง 10 เพื่อระบุถึงความเป็นไปได้ของมะเร็งเต้านม

ทีมแพทย์รังสีวิทยาที่มีประสบการณ์ส่วนใหญ่ได้ตรวจสอบแมมโมแกรมสำหรับทั้งสองกลุ่ม ก่อนระบบ AI การตรวจคัดกรองแต่ละครั้งจะได้รับการตรวจสอบโดยแพทย์รังสีวิทยาสองคน และแนะนำให้ผู้ป่วยหนึ่งรายเข้ารับการตรวจทางคลินิกและการตัดชิ้นเนื้อด้วยเข็มเฉพาะในกรณีที่แพทย์รังสีวิทยาทั้งสองคนเห็นว่าการตรวจคัดกรองนั้นจำเป็นต้องมีการประเมินเพิ่มเติม

หลังจากนำระบบ AI มาใช้แล้ว แมมโมแกรมที่มีคะแนน 5 หรือต่ำกว่านั้นจะได้รับการตรวจสอบโดยรังสีแพทย์อาวุโส เนื่องจากทราบว่าแมมโมแกรมดังกล่าวจะได้รับการอ่านค่าเพียงครั้งเดียว ส่วนแมมโมแกรมที่ต้องได้รับการตรวจเพิ่มเติมจะได้รับการหารือกับรังสีแพทย์คนที่สอง

การศึกษาพบว่าการนำระบบ AI มาใช้ช่วยลดภาระงานของนักรังสีวิทยาที่วิเคราะห์ภาพแมมโมแกรมซึ่งเป็นส่วนหนึ่งของการคัดกรองมะเร็งเต้านมเป็นกลุ่มได้อย่างมีนัยสำคัญ ขณะเดียวกันก็เพิ่มประสิทธิภาพของการคัดกรองอีกด้วย

กลุ่มตัวอย่างที่คัดกรองก่อนนำระบบ AI มาใช้มีผู้หญิงมากกว่า 60,000 คน ในขณะที่กลุ่มตัวอย่างที่คัดกรองด้วย AI มีผู้หญิงประมาณ 58,000 คน การคัดกรองด้วย AI ส่งผลให้การวินิจฉัยมะเร็งเต้านมเพิ่มขึ้น (0.70% ก่อนใช้ AI เทียบกับ 0.82% หากใช้ AI) ในขณะที่จำนวนผลบวกปลอมลดลง (2.39% เทียบกับ 1.63%)

การคัดกรองโดยใช้ AI มีค่าการทำนายผลบวกที่สูงกว่า และเปอร์เซ็นต์ของมะเร็งที่ลุกลามลดลงเมื่อใช้ AI แม้ว่าเปอร์เซ็นต์ของมะเร็งที่ต่อมน้ำเหลืองเป็นลบจะไม่เปลี่ยนแปลง แต่การวัดประสิทธิภาพอื่นๆ แสดงให้เห็นว่าการคัดกรองโดยใช้ AI ช่วยปรับปรุงผลลัพธ์ได้อย่างมีนัยสำคัญ นอกจากนี้ ภาระการอ่านยังลดลง 33.5% อีกด้วย

โดยสรุป การศึกษานี้ได้ประเมินประสิทธิผลของระบบคัดกรองที่ใช้ AI ในการลดภาระงานของแพทย์ด้านรังสีวิทยาและปรับปรุงอัตราการคัดกรองในการวิเคราะห์แมมโมแกรมเป็นส่วนหนึ่งของการคัดกรองมะเร็งเต้านมในวงกว้างในประเทศเดนมาร์ก

ผลลัพธ์แสดงให้เห็นว่าระบบที่ใช้ AI ช่วยลดภาระงานของนักรังสีวิทยาได้อย่างมีนัยสำคัญ ในขณะเดียวกันก็ปรับปรุงอัตราการคัดกรองได้ดีขึ้น ดังจะเห็นได้จากการวินิจฉัยมะเร็งเต้านมที่เพิ่มขึ้นอย่างมีนัยสำคัญ และการลดลงอย่างมีนัยสำคัญของผลบวกปลอม