14 октября 2021

Посмотрело 47

Использование искусственного интеллекта для анализа изображений в программах скрининга рака груди: систематический обзор точности тестов

Лонгрид

14 октября 2021

Посмотрело 47

Рак груди — основная причина смерти женщин во всем мире. В 2015 году у 2,4 миллиона женщин диагностирован рак груди, из них 523 тысячи женщин умерли. Рак груди лучше поддается лечению на ранней стадии, поэтому большинство стран создали национальные программы скрининга на рак груди. Маммография — основной метод диагностики. Он позволяет обнаружить рак у 0,6–0,8% женщин. Степень гипердиагностики при этом может составлять от 1% до 54%, а пропущенными остаются от 15% до 34% злокачественных опухолей. Поэтому во всем мире стали изучать возможности искусственного интеллекта в скрининге рака груди.

Польза и вред искусственного интеллекта в скрининге рака груди

Польза и вред искусственного интеллекта в скрининге рака груди

Польза. Искусственный интеллект реже пропускает новообразования, потому что на него не влияет усталость и он не имеет субъективного мнения. 

Искусственному интеллекту можно делегировать работу, чтобы снизить нагрузку или заменить радиологов.

Вред. Искусственный интеллект чаще делает находки, которые не приведут к раку, например обнаруживает микрокальцинаты. Статистика показала, что у 19% женщин, у которых при жизни не выявлено заболеваний груди, после вскрытия патологоанатомы находят рак in-situ или доброкачественную гиперплазию. Поэтому исследователи предупреждают об опасности высокой чувствительности искусственного интеллекта: это может привести к гипердиагностике и избыточному лечению, тогда вреда от маммографии будет больше, чем пользы. 

Врачей настораживает также проблема «черного ящика»: если человек может объяснить свое решение, то не всегда бывает ясно, как и почему принимает решение алгоритм. На это влияет то, на каких клинических случаях обучался искусственный интеллект и их количество. Врач не сможет поговорить с программой и узнать, как и на каких случаях она училась, чтобы понять логику решения.

Еще одна проблема — во время обучения искусственный интеллект часто ищет короткие пути решения проблемы. Например, когда были созданы системы обнаружения COVID-19 на рентгенограммах грудной клетки, исследователи обнаружили, что искусственный интеллект обобщает данные и происходит гипердиагностика. 

Поэтому Национальный скрининговый комитет Великобритании провел систематический обзор, чтобы оценить, насколько точно искусственный интеллект (ИИ) выявляет рак груди на маммограммах.

Как собирали данные для систематического обзора

Как собирали данные для систематического обзора

Национальный скрининговый комитет Великобритании провел поиск литературы по исследованиям, опубликованным на английском языке в период с 1 января 2010 года по 9 сентября 2020 года. Результаты поиска обновлены 17 мая 2021 года. Поиск проходил в базах данных: 

  • Medline (Ovid) 
  • Embase (Ovid) 
  • Web of Science 
  • Кокрановская база данных систематических обзоров 

Комитет применил строгие критерии включения и исключения, чтобы в обзор попали только исследования интеграции ИИ в программу скрининга рака груди. 

Какие результаты получились

Какие результаты получились

В результате поиска по базам данных комитет выбрал 12 исследований, в которых в сумме участвовали 131 822 женщины. Во всех включенных исследованиях ученые использовали глубокие нейронные сети:
 

Исследование Дизайн исследования Количество женщин Производитель  маммографа Эталон оценки Эталон подтверждения/ исключения рака

Lotter 2021

Набор тестов, статистический анализ с помощью многоканального считывающего устройства

285 женщин из 1 системы здравоохранения США с 4 центрами (46,0% случаев рака). 

Возрастной диапазон не указан

Hologic 100%

Заключение 5 радиологов, сертифицированных MQSA (США)

Рак подтвержден в течение 3 месяцев после обследования; 

Рак исключен при следующем скрининговом обследовании через 9-39 месяцев

McKinney 2020

Ретроспективное исследование точности теста

3097 женщин из 1 центра США (22,2% случаев рака в течение 27 месяцев после обследования), 

возрастной диапазон: 

<40 лет — 181 (5,8%); 

40-49 — 1259 (40,7%); 

50-59 — 800 (25,8%); 

60-69 — 598 (19,3%); 

≥70— 259 (8,4%)

Hologic / Lorad: > 99%;

Siemens или General Electric: <1%

Заключение одного радиолога

Рак подтвержден биопсией в течение 27 месяцев после визуализации; 

Рак исключен после одного контрольного скрининга или отрицательной биопсии через 21 месяц

Rodriguez-Ruiz 2019

Набор тестов, статистический анализ с помощью многоканального считывающего устройства

199 обследований в рамках голландского пилотного проекта цифрового скрининга (39,7% случаев рака),

возрастной диапазон 50-74

Hologic 100%

Заключение девяти голландских радиологов, однократная оценка

Рак подтвержден гистологией; 

Рак исключен после контрольного осмотра через 2 года

Salim 2020

Ретроспективное исследование точности теста

8805 женщин из шведского когортного исследования (8,4% случаев рака в течение 12 месяцев после скрининга), 

средний возраст 54,5 года

Hologic 100%

Заключение одного радиолога или согласованно с коллегами;

Рак подтвержден в течение 12 месяцев после обследования;

Рак исключен в течение двух лет наблюдений

Schaffter 2020

Ретроспективное исследование точности теста

68 008 женщин из 1 шведского центра (1,1% случаев рака в течение 12 месяцев после скрининга), 

средний возраст 53,3 года

Не сообщается

Заключение одного радиолога или согласованно с коллегами;

Рак подтвержден гистологией в течение 12 месяцев после обследования; 

Рак исключен в течение 12 месяцев после скрининга

Balta 2020

Ретроспективное когортное исследование

17 895 женщин в 1 центре в Германии (0,64% случаев рака).

Возрастной диапазон не указан

Siemens 70% Hologic 30%

Нет эталона

Рак подтвержден биопсией. 

Информации о продолжении обследований не было.

Dembrower 2020

Ретроспективное исследование случай-контроль

7364 женщины в 1 центре в Швеции (7,4% случаев рака), 

средний возраст 53,6

Hologic 100%

Нет эталона

Рак подтвержден в течение 30 месяцев после предыдущего скрининга; 

Рак исключен через два года наблюдений

Lång 2021

Ретроспективное когортное исследование

9581 женщина, в 1 центре в Швеции ( 0,71% случаев рака),  

средний возраст 57,6

Siemens 100%

Нет эталона

Рак подтвержден гистологически;

Информации о продолжении обследований не было

Raya-Povedano 2021

Ретроспективное когортное исследование

15 986 женщин в 1 испанском центре (0,7% случаев рака), 

средний возраст 58 лет

Hologic (Selenia Dimensions) 100%

Заключение одного радиолога

Рак подтвержден гистологически в течение 24 месяцев после скрининга; 

Рак исключен после наблюдения в течение двух лет

Pacilè 2020

Набор тестов, статистический анализ с помощью многоканального считывающего устройства

240 женщин из 1 центра США (50,0% случаев рака),  

средний возраст 59 лет

Не сообщается

Заключение 14 рентгенологов, сертифицированных MQSA (США)

Рак подтвержден гистологически.

Рак исключен после отрицательной биопсии или после наблюдения в течение 18 месяцев

Rodriguez-Ruiz 2019

Набор тестов, статистический анализ с помощью многоканального считывающего устройства

240 женщин: 120 из 1 центра в США и 120 из 1 центра в Германии (41,7% случаев рака), 

средний возраст 62 года

Hologic 50%

Siemens 50%

Заключение 14 рентгенологов, сертифицированных MQSA (США)

Рак подтвержден гистологически.

Рак исключен после одного года наблюдения

Watanabe 2019

Расширенный набор тестов, статистический анализ с помощью многоканального считывающего устройства, сначала без поддержки ИИ, затем с помощью ИИ

122 женщины из 1 центра США (73,8% случаев рака),  

средний возраст 65,4 года

Не сообщается

Заключение 7 рентгенологов, сертифицированных MQSA (США)

Рак подтвержден после биопсии.

Рак исключен после наблюдений в течение 2 лет.

Характеристики исследований, в которых радиологи использовали искусственный интеллект для оценки риска рака.


Роль искусственного интеллекта в скрининге рака груди по результатам 12 исследований можно представить в виде схемы:
 
Изображение
ИИ — искусственный интеллект; Фиолетовые линии — как сейчас проходит скрининг в большинстве клиник; Оранжевые блоки — скрининг с ИИ; Зеленые блоки — уровень доказательности предполагаемой роли ИИ.; — / + — высокий / низкий риск рака груди; значок с изображением человека — рентгенолог; РКИ — рандомизированное контролируемое исследование.

Анализ роли искусственного интеллекта

Анализ роли искусственного интеллекта

Искусственный интеллект как средство замены радиологов. По результатам исследований, точность искусственного интеллекта сравнима с точностью оценки одним радиологом, но оказалась ниже, чем точность оценки двух радиологов или консилиума. Поэтому исследователи не рассматривают искусственный интеллект как отдельную систему, которая может заменить радиологов.

Искусственный интеллект как система для сортировки пациенток по группам риска. Исследования показали, что чувствительность искусственного интеллекта в обнаружении опухолей составляет не меньше 86%. Специфичность — не менее 50%. Это значит, что ИИ можно использовать в качестве помощника в первичной сортировке, но результаты оценки все же должен проверять радиолог. Пока неизвестно, как оценка искусственного интеллекта может повлиять на конечное решение радиолога, но исследователи опасаются, что ИИ может усыпить бдительность специалиста.

Искусственный интеллект как помощник в чтении маммограмм. О использовании ИИ как помощника в оценке маммограмм сообщалось в трех исследованиях. По их результатам, ИИ повышает чувствительность и специфичность оценки маммограмм незначительно: не более, чем на 3%.  

Искусственный интеллект в оценке типа рака. В исследованиях получено мало данных о том, как ИИ помогает в обнаружении определенных типов рака груди. В одном исследовании ИИ на 3% чаще находил инвазивные формы рака на ранней стадии, но на 6% реже определял карциномы, по сравнению с радиологом. Другие системы ИИ хуже определяли инвазивный тип рака на 2й и более стадии, по сравнению с радиологами.

Находки систематического обзора

Находки систематического обзора

  • В исследованиях, которые включали небольшое количество женщин, искусственный интеллект лучше оценивал маммограммы, чем рентгенологи;
  • В пяти исследованиях радиологи изучали маммограммы в искусственных условиях, поэтому их результаты могут быть неприменимы на практике;
  • Все системы искусственного интеллекта были менее точными, чем консилиум двух и более радиологов, а 94% систем были менее точными, чем один радиолог;
  • Качество оценки ИИ могло быть переоценено, если одна система оценивала один набор данных несколько раз, потому что глубокие нейронные сети могут учиться и при повторной оценке выдают меньше ошибок;

Выводы систематического обзора

Выводы систематического обзора

1. 
Недостаточно данных о точности и клиническом эффекте внедрения ИИ для оценки маммограмм на любом этапе скрининга. Национальный скрининговый комитет Великобритании не рекомендует внедрять искусственный интеллект в клиническую практику.
 
2. 
Искусственный интеллект можно использовать в исследованиях для сортировки женщин по группа риска. При этом нужно учитывать, что точность и спектр заболеваний между разными системами отличаются.
 
3. 
Этот систематический обзор опровергает мнение, что замена рентгенологов искусственным интеллектом неизбежна. Более перспективно использование ИИ как помощника, но не конкурента радиологам.
 
Список используемых источников
 
1. 
Глобальная заболеваемость и смертность от рака. URL: https://jamanetwork.com/journals/jamaoncology/fullarticle/2588797 (дата обращения 20.09.2021)
 
2. 
Эпидемиология рака груди у женщин. URL: https://www.sciencedirect.com/science/article/abs/pii/S187778211200029X?via%3Dihub (дата обращения 20.09.2021)
 
3. 
Скрининг рака груди с использованием маммографии. URL: https://www.ejcancer.com/article/S0959-8049(14)00272-X/fulltext (дата обращения 20.09.2021)
 
4. 
Отрицательная маммография и последующее обнаружение рака груди. URL: https://www.nature.com/articles/s41523-017-0014-x (дата обращения 20.09.2021)
 
5. 
Годовой отчет об индексе использования искусственного интеллекта. URL: https://arxiv.org/abs/2103.06312 (дата обращения 20.09.2021)
 
6. 
Искусственный интеллект в радиологии. URL: https://www.nature.com/articles/s41568-018-0016-5 (дата обращения 21.09.2021)
 
7. 
Предсказание будущего — большие данные, машинное обучение и клиническая медицина. URL: https://www.nejm.org/doi/10.1056/NEJMp1606181 (дата обращения 21.09.2021)
 
8. 
Три угрозы будущей радиологической практике. URL: https://www.jacr.org/article/S1546-1440(16)30590-7/fulltext (дата обращения 21.09.2021)
 
9. 
Распространенность новообразований груди при аутопсии. URL: https://bmccancer.biomedcentral.com/articles/10.1186/s12885-017-3808-1 (дата обращения 21.09.2021)
 
10. 
Черный ящик искусственного интеллекта. URL: https://www.nature.com/news/can-we-open-the-black-box-of-ai-1.20731 (дата обращения 21.09.2021)
 
11. 
Быстрое обучение нейронных путей. URL: https://www.nature.com/articles/s42256-020-00257-z (дата обращения 21.09.2021)
 
12. 
Искусственный интеллект для радиографического обнаружения COVID-19. URL: https://www.medrxiv.org/content/10.1101/2020.09.13.20193565v2 (дата обращения 21.09.2021)
 
13. 
Что такое глубокие нейронные сети. URL: https://postnauka.ru/longreads/155983 (дата обращения 26.09.2021)
 
14. 
Исследование Lotter 2021 года. URL: https://www.nature.com/articles/s41591-020-01174-9 (дата обращения 23.09.2021)
 
15. 
Исследование McKinney 2020 года. URL: https://www.nature.com/articles/s41586-019-1799-6 (дата обращения 23.09.2021)
 
16. 
Исследование Rodriguez-Ruiz 2019 года. URL: https://academic.oup.com/jnci/article/111/9/916/5307077 (дата обращения 23.09.2021)
 
17. 
Исследование Salim 2020 года. URL: https://jamanetwork.com/journals/jamaoncology/fullarticle/2769894 (дата обращения 23.09.2021)
 
18. 
Исследование Schaffter 2020 года. URL: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2761795 (дата обращения 23.09.2021)
   
20. 
Исследование Dembrower 2020 года. URL: https://www.thelancet.com/journals/landig/article/PIIS2589-7500(20)30185-0/fulltext (дата обращения 23.09.2021)
 
21. 
Исследование Lång 2021 года. URL: https://link.springer.com/article/10.1007%2Fs00330-020-07165-1 (дата обращения 23.09.2021)
 
22. 
Исследование Raya-Povedano 2021 года. URL: https://pubs.rsna.org/doi/10.1148/radiol.2021203555 (дата обращения 23.09.2021)
 
23. 
Исследование Pacilè 2020 года. URL: https://pubs.rsna.org/doi/10.1148/ryai.2020190208 (дата обращения 23.09.2021)
 
24. 
Исследование Rodriguez-Ruiz 2019 года. URL: https://pubs.rsna.org/doi/10.1148/radiol.2018181371 (дата обращения 23.09.2021)
 
25. 
Исследование Watanabe 2019 года. URL: https://link.springer.com/article/10.1007%2Fs10278-019-00192-5 (дата обращения 23.09.2021)
 

Вам может быть интересно

Эффективна ли плазма переболевших коронавирусом в лечении больных?

Актуальное

После начала пандемии коронавируса COVID-19 сотни ученых бросили силы на поиск лекарственного препарата, который может помочь заболевшим.

Читать статью

Как виртуальная реальность помогает пациентам и врачам?

Актуальное

Эта технология уже используется, чтобы обучать студентов и улучшать качество нахождения пациентов в стационаре. Вот для чего еще применяют виртуальную реальность:

Читать статью

Новый метод проведения эндоскопии кишечника

Актуальное

США внедрили в практику использование нового метода проведения эндоскопии кишечника, который не требует визита пациента в медицинское учреждение.

Читать статью

Методические рекомендации по лечению ОРВИ в период COVID-19

Актуальное

Еще немного про COVID-19. 12 апреля Минздрав выпустил временные рекомендации по лечению ОРВИ. Отдельное место в них посвящено COVID-19. Мы собрали самое главное из этого документа.

Читать статью

Какие медицинские награды есть в России и за что их может получить врач?

Будни врача

Кроме отдачи от излечившихся пациентов, научных открытий, которые могут спасти миллионы жизней, ежедневной учебы и других уникальных возможностей, на своем профессиональном пути врачи могут получить почетные премии и награды.

Читать статью

Нейроинтерфейсы – возможная перспектива для неврологических больных?

Актуальное

Сегодня нейроинтерфейсы используются для оказания помощи людям с сенсорными, моторными и другими неврологическими нарушениями.

Читать статью

Российские ученые создали биомикророботов для диагностики и лечения опухолей

Актуальное

Такое открытие совершили ученые из НИТУ «МИСиС» и РНИМУ им. Пирогова.

Читать статью

Компьютерное моделирование — возможный «золотой стандарт» медицинских исследований будущего?

Ликбез

До недавних пор, рандомизированное закрытое плацебо-контролируемое исследование было приоритетным в медицине. Возможно ли заменить его чем-то более эффективным и менее затратным?

Читать статью

CRISPR. Технология, которая может вылечить наследственные заболевания, справиться с малярией и победить ВИЧ

Актуальное

Ученые считают, что CRISPR — одна из самых перспективных технологий этого десятилетия. Она позволяет изменять гены любых живых существ: растений, животных и даже человека. Предполагается, что в будущем «отредактировать» ген будет стоить 75$.

Читать статью

Болезнь Крона: причины, диагностика и лечение

Актуальное

Болезнь Крона занимает второе место в мире по распространенности воспалительных заболеваний кишечника.

Читать статью

Комментарии: 0

или

чтобы оставить комментарий.

Мы собираем и обрабатываем пользовательские данные, в том числе файлы cookies для оптимизации сайта и подбора для Вас релевантного контента. Нажав «Принять» или оставаясь на сайте, Вы разрешаете их использование. Подробнее: Политика конфиденциальности.

Принять