ИИ улучшает маммографию для лучшего прогнозирования риска рака груди
Согласно обзорной статье, опубликованной 12 декабря в журнале Trends in Cancer , будущее скрининга рака молочной железы и стратегий снижения риска определяется искусственным интеллектом (ИИ).
«Мы обсуждаем последние достижения в прогнозировании риска рака молочной железы с помощью ИИ , что это означает для будущего скрининга и профилактики рака молочной железы, а также ключевые исследования, необходимые для внедрения маммографических характеристик из научных исследований в клиническую практику», — говорит старший автор исследования Эрик Томпсон из Квинслендского технологического университета в Брисбене, Австралия.
Ткань молочной железы, которая выглядит белой на маммограмме, рентгенологически плотная, а ткань молочной железы, которая выглядит темной, считается неплотной. Широко признано, что женщины с более высокой маммографической плотностью для своего возраста и индекса массы тела имеют более высокий риск рака молочной железы. Кроме того, более высокая плотность затрудняет обнаружение рака молочной железы с помощью маммографии, что известно как «эффект маскировки».
Правозащитные движения по всему миру требуют, чтобы женщины были уведомлены о своей маммографической плотности, при этом в США, Канаде и Австралии произошли изменения в политике.
В некоторых местах маммографическая плотность определяет использование дополнительных технологий визуализации, при этом ультразвуковое исследование и магнитно-резонансная томография (МРТ) обеспечивают более высокие показатели выявления рака в клинических исследованиях женщин с чрезвычайно плотной грудью.
Тем не менее, ученые и врачи продолжают бороться со сложностями, возникающими из-за эффекта маскировки, риска рака молочной железы , связанного с плотностью маммографии, и с тем, как оптимально внедрить изменения в клиническую практику .
Для прогнозирования будущего диагноза рака молочной железы в настоящее время используются передовые вычислительные подходы, такие как глубокое обучение для анализа маммографических изображений.
В частности, методы ИИ раскрывают маммографические характеристики, которые могут быть более сильными предикторами риска рака груди, чем любой другой известный фактор риска. Эти характеристики могут объяснить большую часть связи между плотностью маммографии и риском рака груди.
Открытие прогнозирующих риск маммографических признаков, созданных с помощью искусственного интеллекта, открывает новые возможности для выявления женщин с наибольшим риском развития рака молочной железы в будущем и отделения их от тех женщин, которые с наибольшим риском пропустить рак молочной железы из-за эффекта маскировки.
«Женщине с маммографическими признаками, связанными с высоким риском выявления рака молочной железы, может быть полезно более частое прохождение скрининга или прием лекарств, снижающих риск», — говорит Томпсон.
«С другой стороны, женщине с низкой вероятностью диагностирования рака молочной железы в течение следующих пяти лет можно предоставить более длительный интервал между скринингами. Кроме того, женщина с высокой маммографической плотностью без маммографических признаков высокого риска может получить пользу от дополнительных методов визуализации, таких как МРТ или УЗИ».
Исследования показывают, что некоторые сгенерированные ИИ маммографические признаки указывают на раннюю злокачественность, которая не обнаруживается рентгенологической маммографией, в то время как другие могут быть доброкачественными состояниями, связанными с повышенным риском рака груди. Идентификация сгенерированных ИИ маммографических признаков, которые не идентифицированы как рак или доброкачественное состояние, остается неясной.
«Чрезвычайно важно определить патобиологию, связанную с маммографическими признаками, и основные механизмы, связывающие их с онкогенезом рака молочной железы», — говорит Томпсон.
«Это будет иметь решающее значение для установления их значимости для краткосрочного и долгосрочного риска рака молочной железы, а также для будущих усилий по снижению этого риска».