Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il sistema automatizzato basato sulle guide di AI elimina il cancro in donne con i petti densi

Un sistema automatizzato che intelligenza artificiale di usi (AI) può setacciare rapidamente ed esattamente tramite il petto MRIs in donne con i petti densi per eliminare quelli senza cancro, liberante sui radiologi per mettere a fuoco sui casi più complessi, secondo uno studio pubblicato in radiologia.

La mammografia ha contribuito a diminuire le morti da cancro al seno fornendo l'individuazione tempestiva quando il cancro è più trattabile. Tuttavia, è meno sensibile in donne con i petti estremamente densi che in donne con i petti grassi. Inoltre, le donne con i petti estremamente densi hanno i tre all'elevato rischio di sei-tempi di sviluppare il cancro al seno che le donne con i petti quasi interamente grassi e ad un elevato rischio doppiamente che la donna media.

La selezione supplementare nelle donne con i petti estremamente densi aumenta la sensibilità di rilevazione del cancro. La ricerca dal tessuto denso e dalla prova (DENSA) iniziale della selezione di neoplasma del petto, un grande studio basato nei Paesi Bassi, ha supportato l'uso di selezione supplementare con MRI.

La prova DENSA ha indicato che la selezione supplementare di MRI per le donne con i petti estremamente densi era utile. D'altra parte, la prova DENSA ha confermato che la vasta maggioranza delle donne schermate non ha alcuni risultati sospettosi su MRI.„

Erik Verburg, M.Sc., autore principale di studio, scienze istituto, centro medico Utrecht di immagine nei Paesi Bassi

Dalla maggior parte della variazione anatomica di manifestazione di MRIs e fisiologica normale che non può richiedere l'esame radiologico, i modi a valutazione questa MRIs normale per diminuire il carico di lavoro del radiologo sono necessari.

Nel primo studio sul suo genere, Verburg ed i colleghi hanno precisato per determinare la possibilità di metodo triaging automatizzato basato in profondità sull'apprendimento, un tipo specializzato di AI. Hanno usato i dati del petto MRI dalla prova DENSA per sviluppare e preparare il modello d'apprendimento profondo per distinguere fra i petti con e senza le lesioni. Il modello è stato preparato sui dati da sette ospedali ed è stato provato sui dati da un ottavo ospedale.

Più di 4.500 gruppi di dati di MRI dei petti estremamente densi erano inclusi. Dei 9.162 petti, 838 hanno avuti almeno una lesione, di cui 77 erano maligni e 8.324 non hanno avuti lesioni.

Il modello d'apprendimento profondo ha considerato 90,7% del MRIs con le lesioni come non normali e triaged loro all'esame radiologico. Ha allontanato circa 40% del MRIs senza lesione senza mancare alcuni cancri.

“Abbiamo mostrato che è possibile usare sicuro l'intelligenza artificiale allontanare la mammografia MRIs senza mancare alcuna malattia maligna,„ Verburg abbiamo detto. “I risultati erano meglio del previsto. Quaranta per cento sono un buon inizio. Tuttavia, abbiamo ancora 60% da migliorare.„

Il sistema triaging AI basato ha il potenziale di diminuire significativamente il carico di lavoro del radiologo, Verburg ha detto. Nei Paesi Bassi da solo, quasi 82.000 donne possono essere ammissibili per la mammografia biennale di MRI basata su densità del petto.

“L'approccio può in primo luogo essere usato per assistere i radiologi per diminuire il tempo globale della lettura,„ Verburg ha detto. “Di conseguenza, più tempo ha potuto diventare disponibile per mettere a fuoco sulle risonanze magnetiche realmente complesse del petto.„

I ricercatori pianificazione convalidare il modello in altri gruppi di dati e spiegarlo nei giri successivi della selezione della prova DENSA.

Source:
Journal reference:

Verburg, E., et al. (2021) Deep Learning for Automated Triaging of 4581 breast MRI Examinations from the DENSE Trial. Radiology. doi.org/10.1148/radiol.2021203960.