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.

O sistema automatizado baseado no AI ajuda o cancro da regra para fora nas mulheres com peitos densos

Um sistema automatizado que inteligência artificial dos usos (AI) possa rapidamente e exactamente peneirar através do peito MRIs nas mulheres com peitos densos para eliminar aqueles sem cancro, livrando acima dos radiologistas para focalizar em casos mais complexos, de acordo com um estudo publicado na radiologia.

A mamografia ajudou a reduzir mortes do cancro da mama fornecendo a detecção atempada quando o cancro é o mais tratável. Contudo, é menos sensível nas mulheres com os peitos extremamente densos do que nas mulheres com peitos gordos. Além, as mulheres com os peitos extremamente densos têm uns três a um risco mais alto dos seis-tempos de desenvolver o cancro da mama do que mulheres com os peitos quase inteiramente gordos e a um risco mais alto duplo do que a mulher média.

A selecção suplementar nas mulheres com os peitos extremamente densos aumenta a sensibilidade da detecção do cancro. A pesquisa do tecido denso e da experimentação (DENSA) adiantada da selecção do neoplasma do peito, um grande estudo baseado nos Países Baixos, apoiou o uso da selecção suplementar com MRI.

A experimentação DENSA mostrou que a selecção adicional de MRI para mulheres com os peitos extremamente densos era benéfica. Por outro lado, a experimentação DENSA confirmou que a grande maioria de mulheres selecionadas não tem nenhuns resultados suspeitos em MRI.”

Erik Verburg, M.Sc., autor principal do estudo, ciências instituto da imagem, centro médico Utrecht da universidade nos Países Baixos

Desde a maioria de variação anatômica da mostra de MRIs e fisiológico normal que não pode exigir a revisão radiológica, as maneiras à triagem esta MRIs normal para reduzir a carga de trabalho do radiologista são necessários.

No primeiro estudo de seu tipo, Verburg e os colegas expor para determinar a possibilidade de um método triaging automatizado baseado na aprendizagem profundamente, um tipo sofisticado de AI. Usaram dados do peito MRI da experimentação DENSA para desenvolver e treinar o modelo de aprendizagem profundo para distinguir entre os peitos com e sem lesões. O modelo foi treinado em dados de sete hospitais e testado em dados de um oitavo hospital.

Mais de 4.500 conjunto de dados de MRI dos peitos extremamente densos eram incluídos. Dos 9.162 peitos, 838 tiveram pelo menos uma lesão, de que 77 eram malignos, e 8.324 não tiveram nenhuma lesão.

O modelo de aprendizagem profundo considerou 90,7% do MRIs com lesões ser não-normal e triaged as à revisão radiológica. Demitiu aproximadamente 40% do MRIs lesão-livre sem faltar nenhuns cancros.

“Nós mostramos que é possível usar com segurança a inteligência artificial demitir a selecção de peito MRIs sem faltar nenhuma doença maligno,” Verburg dissemos. “Os resultados eram melhores do que o esperado. Quarenta por cento são um bom começo. Contudo, nós temos ainda 60% a melhorar.”

O sistema triaging AI-baseado tem o potencial reduzir significativamente a carga de trabalho do radiologista, Verburg disse. Nos Países Baixos apenas, quase 82.000 mulheres podem ser elegíveis para a selecção de peito bienal de MRI baseada na densidade do peito.

“A aproximação pode primeiramente ser usada para ajudar a radiologistas a reduzir o tempo total da leitura,” Verburg disse. “Conseqüentemente, mais tempo podia tornar-se disponível para centrar-se sobre os exames realmente complexos do peito MRI.”

Os pesquisadores planeiam validar o modelo em outros conjunto de dados e distribui-lo em círculos subseqüentes da selecção da experimentação 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.