Un team di ricercatori danesi e olandesi ha combinato uno strumento diagnostico basato sull’intelligenza artificiale con un modello di struttura mammografica per migliorare la valutazione del rischio di cancro al seno a breve e lungo termine. Questo nuovo approccio rappresenta un significativo passo avanti nel perfezionamento della capacità di prevedere la complessità del rischio di cancro al seno.
Rapporto: Bernard Banga
Una donna su dieci svilupperà il cancro al seno ad un certo punto della sua vita. È il tumore più comune nelle donne e viene diagnosticato principalmente in pazienti di età superiore ai 50 anni. Gli attuali programmi di screening utilizzano la mammografia come strumento diagnostico primario per individuare il cancro al seno in una fase precoce, ma alcune lesioni rimangono ancora difficili da identificare per i radiologi. . In particolare, nel 55% dei casi si accompagna alla presenza di microcalcificazioni: minuscole macchie di depositi di calcio, spesso di dimensioni non superiori a 0,1 mm, localizzate o ampiamente diffuse nella zona del seno. Queste calcificazioni sono spesso associate a lesioni precancerose e maligne. Attualmente, la maggior parte dei programmi di screening del cancro al seno basano il rischio stimato di sviluppare un cancro al seno per una donna nel corso della vita sugli stessi protocolli standard.
L’intelligenza artificiale (AI) può essere utilizzata “allo scopo di diagnosticare precocemente il cancro al seno rilevando automaticamente i tumori al seno nelle mammografie e misurando il rischio di futuro cancro al seno”, ha affermato il dott. Andreas D. Lauritzen, PhD, del Dipartimento di informatica dell’Università di Washington. l’Università di Copenaghen in Danimarca. Il suo team ha collaborato con ricercatori del Dipartimento di Radiologia e Medicina Nucleare dell’Università Radboud di Nijmegen, nei Paesi Bassi, su un progetto volto a combinare due tipi di strumenti di intelligenza artificiale per sfruttare i rispettivi punti di forza di entrambi gli approcci: modelli diagnostici per stimare il seno a breve termine rischio di cancro e modelli AI della struttura mammografica per identificare la densità del seno, un indicatore importante per valutare il rischio a lungo termine.
Uno studio retrospettivo sulle donne danesi
Il team di sette ricercatori provenienti da Danimarca e Paesi Bassi ha cercato di identificare se uno strumento diagnostico di intelligenza artificiale disponibile in commercio e un modello di texture di intelligenza artificiale, addestrati separatamente e poi successivamente combinati, potrebbero migliorare la valutazione del rischio di cancro al seno. Hanno utilizzato il sistema diagnostico AI Transpara, versione 1.7.0, della società Screenpoint Medical BV con sede a Nijmegen, e il modello di texture costituito dal codificatore di deep learning SE-ResNet 18, versione 1.0, sviluppato da loro stessi. “Per addestrare i modelli di deep learning è stato utilizzato un set di formazione olandese di oltre 39.245 esami”, ha affermato il secondo autore dello studio, il dottor My C. von Euler-Chelpin, professore associato presso il Centro di epidemiologia e screening, Istituto di sanità pubblica , Università di Copenaghen. I modelli di rischio a breve e lungo termine sono stati combinati utilizzando una rete neurale a tre strati. Il modello combinato di intelligenza artificiale è stato testato su un gruppo di studio di oltre 119.650 donne incluse in un programma di screening del cancro al seno nella regione della capitale danese per un periodo di tre anni da novembre 2012 a dicembre 2015, con almeno cinque anni di follow-up. dati. L’età media delle donne era di 59 anni.
I risultati principali mostrano vantaggi
Secondo i risultati del loro studio, pubblicato su Radiology e presentato all’ultimo incontro annuale della Radiological Society of North America (RSNA) a Chicago nel novembre 2023, il modello combinato ha raggiunto un’area sotto la curva (AUC) più elevata rispetto all’IA diagnostica o modelli di rischio strutturale separatamente, per i tumori diagnosticati entro due anni dallo screening (tumori di intervallo) e quelli diagnosticati dopo questo periodo (tumori a lungo termine) raggruppati insieme.
Utilizzando il nostro modello, il rischio può essere valutato con le stesse prestazioni dei modelli di rischio clinico ma entro pochi secondi dallo screening e senza introdurre spese generali nella clinicaAndreas Lauritzen
Il modello combinato di intelligenza artificiale ha inoltre consentito di identificare le donne ad alto rischio di cancro al seno, con le donne identificate come aventi il 10% di rischio combinato più alto, rappresentando il 44,1% dei tumori a intervallo e il 33,7% dei tumori a lungo termine. “I nostri risultati indicano che la valutazione del rischio di cancro al seno basata sulla mammografia migliora quando si combina un sistema di intelligenza artificiale per il rilevamento delle lesioni e un modello di struttura mammografica,” hanno concluso il dott. Lauritzen e i suoi colleghi. L’utilizzo dell’intelligenza artificiale per identificare il rischio di cancro al seno di una donna da una singola mammografia non solo porterà a una diagnosi precoce del cancro, ma aiuterà anche ad alleviare la pressione sul sistema sanitario a causa della carenza mondiale di radiologi specializzati in senologia.
Un approccio rapido con una singola mammografia senza spese generali della clinica
“Gli attuali modelli di rischio clinico all’avanguardia richiedono molteplici test come analisi del sangue, test genetici, mammografie e compilazione di questionari approfonditi, il che aumenterebbe sostanzialmente il carico di lavoro nella clinica di screening. Utilizzando il nostro modello, il rischio può essere valutato con le stesse prestazioni dei modelli di rischio clinico ma entro pochi secondi dallo screening e senza introdurre spese generali nella clinica,’ ha osservato il dottor Lauritzen in un comunicato stampa della RSNA.
Il gruppo di ricerca danese-olandese si concentrerà ora sullo studio dell’architettura del modello combinato e sull’ulteriore determinazione se il modello si adatta sufficientemente ad altri dispositivi e istituti mammografici. “Ulteriori ricerche dovrebbero concentrarsi sulla traduzione del rischio combinato nel rischio assoluto o nel corso della vita per il confronto con i modelli tradizionali,” ha concluso il team nel loro articolo.
Profilo:
Il dottor Andreas David Lauritzen è un ricercatore post-dottorato affiliato al Datalogisk Institut (DIKU), il Dipartimento di Informatica dell’Università di Copenaghen. La sua esperienza risiede nel campo del deep learning, specificamente applicato all’analisi delle immagini mediche. Nell’ambito di un progetto di previsione del rischio di cancro al seno con il Copenhagen University Hospital – Rigshospitalet, ha trascorso 8 mesi con il gruppo di elaborazione e analisi delle immagini della Yale University School of Medicine. Lì, ha affinato competenze cruciali per applicare il deep learning all’analisi traslazionale di immagini mediche e a set di dati ad alta dimensione, sotto la guida del Prof. Xenophon Papademetris e del Dr John A. Onofrey, esperti in informatica biomedica, scienza dei dati e apprendimento automatico.
Riproduzione Healthcare-in-Europe.com
