Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Profundamente aprender fornece uma avaliação melhor do risco de cancro da mama

Comparado com os factores de risco clínicos de uso geral, um tipo sofisticado de inteligência artificial (AI) chamado aprendizagem profunda faz um trabalho melhor que distingue entre os mamogramas das mulheres que desenvolverão mais tarde o cancro da mama e aqueles que não, de acordo com um estudo novo na radiologia do jornal. Os pesquisadores disseram o potencial do AI do relevo dos resultados como um segundo leitor para os radiologistas que podem reduzir a imagem lactente desnecessária e custos associados.

A mamografia anual é recomendada para as mulheres que começam na idade 40 seleccionar para o cancro da mama. A pesquisa mostrou que selecionar a mamografia abaixa a mortalidade do cancro da mama reduzindo a incidência de cancro avançado.

Os mamogramas ajudam não somente a detectar o cancro mas a fornecer igualmente uma medida do risco de cancro da mama com as medidas da densidade do peito. Quando uns peitos mais densos na mamografia forem associados com um risco mais alto de cancro, há outro, contudo um desconhecido, os factores escondidos no mamograma que contribuem provavelmente ao risco.

Os métodos convencionais da avaliação de risco do cancro da mama que usa factores de risco clínicos não foram aquele eficaz. Nós pensamos que havia mais na imagem do que apenas a densidade do peito que seria útil para avaliar o risco.”

John A. Pastor, Ph.D., autor principal do estudo, professor e pesquisador nas ciências da população no programa pacífico (epidemiologia) no centro do cancro da Universidade do Havai em Honolulu

Para o estudo novo, o Dr. Pastor e os colegas usaram uma série de dados de mais de 25.000 mamogramas de selecção digitais de 6.369 mulheres que participaram na mamografia da selecção. Mais de 1.600 das mulheres desenvolvidas selecção-detectaram o cancro da mama, e 351 desenvolveu o cancro da mama invasor do intervalo.

Os pesquisadores treinaram o modelo de aprendizagem profundo para encontrar detalhes, ou sinais, no mamograma que pôde ser ligado ao risco de cancro aumentado. Quando testaram o modelo aprender-baseado profundo, underperformed em avaliar os factores de risco para o risco de cancro do intervalo, mas outperformed os factores de risco clínicos que incluem a densidade do peito em determinar o risco de cancro selecção-detectado.

“Os resultados mostraram que o sinal que extra nós estamos obtendo com AI fornece uma avaliação melhor do risco para o cancro selecção-detectado,” o Dr. Pastor disse. “Ajudou-nos a realizar nosso objetivo de classificar mulheres em de baixo-risco ou risco elevado de cancro da mama selecção-detectado.”

Os resultados têm implicações significativas para as práticas clínicas em que guias sozinhos da densidade do peito muitas decisões de gestão. Em vez do conselho a retornar no próximo ano para uma outra selecção, as mulheres com um mamograma negativo poderiam ser classificadas pelo risco em um de três caminhos: de baixo-risco do cancro da mama, do risco selecção-detectado elevado, ou do cancro invasor nos próximos três anos, o momento médio do intervalo elevado da continuação para o estudo.

“Isto permitiria que nós usassem o risco individual de uma mulher para determinar como freqüentemente deve ser monitorada,” o Dr. Pastor disse. do “as mulheres Baixo-risco não puderam precisar de ser monitorado tão frequentemente com mamografia quanto aquelas com um risco elevado de cancro da mama.”

O modelo de aprendizagem profundo igualmente tem a promessa em decisões de apoio sobre a imagem lactente adicional com MRI e outras modalidades. O Dr. Pastor disse que as mulheres no grupo de aprendizagem profundo de alto risco que igualmente têm os peitos densos e estão em um risco mais alto para cancros do intervalo podem tirar proveito a maioria de uma estratégia de monitoração que incluísse a imagem lactente suplementar que retem a sensibilidade nos peitos densos tais como MRI, ultra-som e a imagem lactente molecular. Os cancros do intervalo têm geralmente uma biologia mais agressiva do tumor e são descobertos tipicamente em uma fase avançada.

Junto com a outra pesquisa recente, o estudo novo apoia um papel para o AI em combinação com factores de risco clínicos na avaliação de risco do cancro da mama.

“Por mamogramas de classificação em termos da probabilidade de ver o cancro na imagem, AI está indo ser uma ferramenta poderosa da segunda leitura a ajudar a categorizar mamogramas,” o Dr. Pastor disse.

Os pesquisadores estão planeando replicate o estudo em mulheres nativas do insular havaiano e pacífico, dois grupos que foram sub-representado na pesquisa de cancro da mama. Igualmente querem estender o trabalho além do risco de cancro ao olhar com risco de categorias diferentes de cancro da mama, de menos ao mais agressivo.

Source:
Journal reference:

Zhu, X., et al. (2021) Deep Learning Predicts Interval and Screening-detected Cancer from Screening Mammograms: A Case-Case-Control Study in 6369 Women. Radiology. doi.org/10.1148/radiol.2021203758.