Según un estudio publicado en la revista, un tipo sofisticado de inteligencia artificial IA puede superar a los modelos existentes al predecir qué mujeres tienen un riesgo futuro de cáncer de seno. radiología .
La mayoría de los programas de detección de cáncer de seno existentes se basan en mamografías a intervalos de tiempo similares, generalmente, anualmente o cada dos años, para todas las mujeres. Este enfoque de "talla única" no está optimizado para la detección de cáncer a nivel individual ypuede obstaculizar la efectividad de los programas de detección.
"La predicción del riesgo es un componente importante de una política de detección adaptada individualmente", dijo la autora principal del estudio, Karin Dembrower, MD, radióloga de mama y candidata a doctorado del Instituto Karolinska en Estocolmo, Suecia. "La predicción efectiva del riesgo puede mejorarasistencia y confianza en los programas de detección "
La alta densidad mamaria, o una mayor cantidad de tejido glandular y conectivo en comparación con la grasa, se considera un factor de riesgo para el cáncer. Si bien la densidad puede incorporarse en la evaluación del riesgo, los modelos de predicción actuales pueden no aprovechar plenamente toda la información ricaque se encuentra en las mamografías. Esta información tiene el potencial de identificar a las mujeres que se beneficiarían de un examen adicional con IRM.
El Dr. Dembrower y sus colegas desarrollaron un modelo de riesgo que se basa en una red neuronal profunda, un tipo de IA que puede extraer grandes cantidades de información de imágenes mamográficas. Tiene ventajas inherentes sobre otros métodos como la evaluación visual de la densidad mamográfica por parte del radiólogoes posible que no pueda capturar toda la información relevante para el riesgo en la imagen.
El nuevo modelo fue desarrollado y entrenado en mamografías de casos diagnosticados entre 2008 y 2012 y luego se estudió en más de 2,000 mujeres de 40 a 74 años que se habían sometido a una mamografía en el sistema del Hospital de la Universidad de Karolinska. De las 2,283 mujeres en el estudio, 278luego fueron diagnosticados con cáncer de seno.
La red neuronal profunda mostró una asociación de mayor riesgo de cáncer de seno en comparación con el mejor modelo de densidad mamográfica. La tasa de falsos negativos, la tasa a la cual las mujeres que no fueron clasificadas como de alto riesgo fueron diagnosticadas con cáncer de seno más tardemenor para la red neuronal profunda que para el mejor modelo de densidad mamográfica.
"La red neuronal profunda en general fue mejor que los modelos basados en la densidad", dijo el Dr. Dembrower. "Y no tenía el mismo sesgo que el modelo basado en la densidad. Su precisión predictiva no se vio afectada negativamente por los subtipos de cáncer más agresivos"
Los hallazgos del estudio apoyan un papel futuro para la IA en la evaluación del riesgo de cáncer de seno.
"No estamos informando la densidad mamográfica actualmente", dijo el Dr. Dembrower. "En la introducción de la detección adaptada individualmente, utilizamos redes de aprendizaje profundo capacitadas para predecir el cáncer en lugar de tomar la ruta indirecta que ofrece la densidad".
Como un beneficio adicional, el enfoque de IA puede mejorarse continuamente con la exposición a más conjuntos de datos de alta calidad.
"Nuestros expertos en aprendizaje profundo en el Royal Institute of Technology de Estocolmo están trabajando en una actualización del modelo", dijo el Dr. Dembrower. "Después de eso, nuestro objetivo es probar el modelo clínicamente el próximo año ofreciendo resonancia magnética a las mujeres quepara beneficiarse más "
Fuente de la historia :
Materiales proporcionado por Sociedad Radiológica de América del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :