בינה מלאכותית מזהה שליש ממקרי סרטן השד שהתעלמו מהבדיקות הסקר

אלגוריתם בינה מלאכותית לבדיקת סרטן השד יכול לשפר את ביצועי הממוגרפיה הדיגיטלית לטומוסינתזה (DBT), ולהפחית את שיעורי סרטן המעבר בעד שליש, כך עולה ממחקר שפורסם היום בכתב העת Radiology.

סרטן שד מרווחי הוא גידול סימפטומטי המאובחן בין ממוגרפיה שגרתית. במקרים אלו בדרך כלל יש פרוגנוזה גרועה יותר עקב מחלה אגרסיבית יותר וצמיחה מהירה של הגידול. DBT, או ממוגרפיה תלת-ממדית, מספקת ויזואליזציה משופרת של נגעים בשד ויכולה לזהות גידולים שעשויים להיות מוסתרים על ידי רקמה צפופה. עם זאת, מכיוון ש-DBT היא טכנולוגיה חדשה יחסית, נתוני התוצאות ארוכי הטווח עבור מטופלים במוסדות שאימצו לאחרונה את הטכניקה נותרו מוגבלים.

"בהתחשב במיעוט נתוני התמותה מסרטן השד מעבר ל-10 שנים של בדיקות סקר DBT, שיעורי סרטן במרווחי זמן משמשים לעתים קרובות כמדד", מסבירה מחברת המחקר ד"ר מנישה בהל, מנהלת איכות הדמיית השד בבית החולים הכללי של מסצ'וסטס ופרופסור חבר בבית הספר לרפואה של הרווארד.
"ירידה בשיעור זה מצביעה על ירידה בשכיחות ובתמותה מסרטן השד."

מחקר: בינה מלאכותית מזהה גידולים שלא התגלו

במחקר שנערך על 1,376 מקרים, בל ועמיתיו ניתחו באופן רטרוספקטיבי 224 מקרי סרטן בין-מרווחיים ב-224 נשים שעברו בדיקת DBT. בתמונות אלו, אלגוריתם הבינה המלאכותית Lunit INSIGHT DBT v1.1.0.0 איתר נכון 32.6% (73 מתוך 224) מהגידולים שלא זוהו בעבר.

"הופתענו לגלות שכמעט שליש מגידולי האינטרוואל זוהו ואותרו במדויק על ידי אלגוריתם הבינה המלאכותית בצילומי ממוגרפיה שפורשו בעבר כנורמליים על ידי רדיולוגים, מה שמדגיש את הפוטנציאל של הבינה המלאכותית כ'קורא שני'", אמר בהל.

לדברי החוקרים, ייתכן שזהו המחקר הראשון שפורסם ובוחן ספציפית שימוש בבינה מלאכותית לגילוי סרטן במרווחי זמן בתמונות DBT.

"בינה מלאכותית שימשה בעבר לגילוי סרטן במרווחי זמן בממוגרפיה דיגיטלית דו-ממדית קונבנציונלית, אך למיטב ידיעתנו, לא פורסמו מחקרים בספרות על גילוי גידולים במרווחי זמן באמצעות בינה מלאכותית ספציפית בסריקות טומוסינתזה תלת-ממדיות", הסביר בל.

מתודולוגיה: ברמת הנגע, לא רק תמונת מצב

כדי להימנע מהערכת יתר של רגישות האלגוריתם, צוותו של בל השתמש בניתוח ספציפי לנגע: הבינה המלאכותית קיבלה "פגיעה ניקודית" רק אם זיהתה ואימרה נכון את מיקומו המדויק של הגידול.

"לעומת זאת, ניתוח תמונה מלאה יכול לתת לבינה המלאכותית 'אישור' גם אם ההערה שגויה, מה שמגדיל באופן מלאכותי את הרגישות", היא מוסיפה.
"התמקדות בדיוק של לוקליזציה של הנגע מספקת הערכה אמינה יותר של הביצועים הקליניים של האלגוריתם."

מה בדיוק בינה מלאכותית מוצאת?

• גידולים שזוהו על ידי האלגוריתם נטו להיות גדולים יותר
• לעתים קרובות יותר הם סיימו עם נזק לבלוטות הלימפה
• משמעות הדבר יכולה להיות שבינה מלאכותית מזהה בעיקר גידולים תוקפניים או גידולים שגדלים במהירות, או כאלה שכבר היו בשלב מתקדם אך הרופאים החמיצו במהלך הסינון.

תוצאות כלליות:

בקרב 1,000 חולים (כולל אלו עם גידולים מאומתים ואלו עם תוצאות שפירות או חיוביות שגויות), זיהום בטן:

• 84.4% מתוך 334 מקרים חיוביים אמיתיים זוהו כהלכה
• סווגו נכון 85.9% מתוך 333 תוצאות שליליות אמיתיות
• נדחה כוזב 73.2% מתוך 333 מקרים חיוביים כוזבים

מסקנות ומשמעות

"המחקר שלנו הראה שאלגוריתם הבינה המלאכותית יכול לזהות ולאתר במדויק כמעט שליש ממקרי סרטן השד במרווחי זמן בתמונות סקר DBT, דבר המצביע על הפוטנציאל שלו להפחית את שכיחות מקרי סרטן השד ולשפר את תוצאות הסקר", אמר ד"ר בהל.

"התוצאות שלנו תומכות בשילוב של בינה מלאכותית בתהליכי עבודה של טיפול בדיאטה ביולוגית (DBT) כדי לשפר את דיוק גילוי הסרטן. עם זאת, ההשפעה האמיתית תהיה תלויה במידה שבה רדיולוגים יאמצו ויעבדו את הבינה המלאכותית בפועל הקליני, וכן בבדיקת יעילותה במסגרות קליניות שונות."