AI-geleide mammografie vermindert de werkdruk met 33% en verhoogt de detectie van borstkanker
Laatst beoordeeld: 14.06.2024
![Fact-checked](/sites/default/files/fact-checked.png)
Alle iLive-inhoud wordt medisch beoordeeld of gecontroleerd op feiten om zo veel mogelijk feitelijke nauwkeurigheid te waarborgen.
We hebben strikte richtlijnen voor sourcing en koppelen alleen aan gerenommeerde mediasites, academische onderzoeksinstellingen en, waar mogelijk, medisch getoetste onderzoeken. Merk op dat de nummers tussen haakjes ([1], [2], etc.) klikbare links naar deze studies zijn.
Als u van mening bent dat onze inhoud onjuist, verouderd of anderszins twijfelachtig is, selecteert u deze en drukt u op Ctrl + Enter.
![](https://nl.iliveok.com/sites/default/files/styles/term_image/public/news/ii-upravlyaemaya-mammografiya-snizhaet-rabochuyu-nagruzku-na-33-i-uvelichivaet-vyyavlenie-raka-grudi.jpg?itok=RhaTfioI)
In een recent onderzoek gepubliceerd in Radiology voerden onderzoekers uit Denemarken en Nederland een retrospectieve analyse uit van de effectiviteit van screening en de algehele last van mammografiescreening voor en na de introductie van kunstmatige intelligentie (AI)-systemen.
Regelmatige mammografiescreening op borstkanker vermindert de sterfte als gevolg van de ziekte aanzienlijk. Massale mammografiescreening verhoogt echter de werklast van radiologen, die veel mammografieën moeten beoordelen, waarvan de meeste geen verdachte laesies bevatten.
Bovendien verhoogt dubbele screening, die wordt gebruikt om valse positieven te verminderen en de detectie te verbeteren, de werklast van radiologen verder. Het gebrek aan gespecialiseerde radiologen die mammogrammen kunnen lezen, verergert deze situatie.
Recente onderzoeken hebben uitgebreid onderzoek gedaan naar het gebruik van AI om radiologische rapporten effectief te analyseren, terwijl hoge screeningnormen worden gehandhaafd. Aangenomen wordt dat de gecombineerde aanpak, waarbij AI radiologen helpt mammografieën met gemarkeerde laesies te markeren, de werklast van radiologen vermindert en tegelijkertijd de screeninggevoeligheid behoudt.
In het huidige onderzoek zijn voorlopige prestatiemetingen gebruikt van twee cohorten vrouwen die mammografisch zijn gescreend als onderdeel van het Deense Nationale Borstkankerscreeningsprogramma om de verandering in de screeningswerklast en -prestaties na de introductie van AI-tools te vergelijken.
Het programma nodigde vrouwen van 50 tot 69 jaar uit om elke twee jaar te worden gescreend tot de leeftijd van 79 jaar. Vrouwen met markers die een verhoogd risico op borstkanker aangeven, zoals BRCA-genen, werden gescreend met behulp van verschillende protocollen.
De onderzoekers gebruikten twee cohorten vrouwen: één gescreend vóór en één na de introductie van het AI-systeem. Alleen vrouwen onder de 70 jaar werden in de analyse opgenomen om vrouwen uit de hoogrisicosubgroep uit te sluiten.
Alle deelnemers ondergingen standaardprotocollen waarbij gebruik werd gemaakt van digitale mammografen met craniocaudale en mediolaterale schuine beelden. Alle positieve gevallen in deze studie werden geïdentificeerd door screening op ductaal carcinoom of invasieve kanker, die werden bevestigd door naaldbiopsie. Gegevens over pathologische rapporten, laesiegrootte, betrokkenheid van lymfeklieren en diagnoses werden ook verkregen uit het nationale gezondheidsregister.
Het AI-systeem dat wordt gebruikt om mammogrammen te analyseren, is getraind met behulp van deep learning-modellen om verdachte calcificaties of laesies op een mammogram te detecteren, markeren en scoren. De AI rangschikte vervolgens de screenings op een schaal van 1 tot 10, wat de waarschijnlijkheid van borstkanker aangeeft.
Een team van veelal ervaren radiologen beoordeelde de mammografieën van beide cohorten. Vóór de implementatie van het AI-systeem werd elke screening door twee radiologen beoordeeld en werd de patiënt alleen aanbevolen voor klinisch onderzoek en naaldbiopsie als beide radiologen vonden dat de screening verdere evaluatie vereiste.
Na de implementatie van het AI-systeem werden mammogrammen met een score kleiner dan of gelijk aan 5 beoordeeld door een senior radioloog, wetende dat ze slechts één meting ontvingen. Degenen die verder onderzoek vereisten, werden besproken met een tweede radioloog.
Uit het onderzoek bleek dat de implementatie van het AI-systeem de werklast van radiologen die mammografieën analyseren als onderdeel van de grootschalige screening op borstkanker aanzienlijk verminderde, terwijl de screening-efficiëntie werd verbeterd.
Het cohort dat werd gescreend vóór de implementatie van het AI-systeem bestond uit ruim 60.000 vrouwen, terwijl het cohort dat werd gescreend met behulp van AI ongeveer 58.000 vrouwen bedroeg. Screening met AI resulteerde in een toename van het aantal diagnoses van borstkanker (0,70% vóór AI vs. 0,82% met AI), terwijl het aantal fout-positieven daalde (2,39% vs. 1,63%).
Op AI gebaseerde screening had een hogere positief voorspellende waarde en het percentage invasieve kankers was lager met op AI gebaseerde methoden. Hoewel het percentage klier-negatieve kankers niet veranderde, toonden andere prestatiemetingen aan dat op AI gebaseerde screening de resultaten aanzienlijk verbeterde. De leesbelasting daalde ook met 33,5%.
In het onderzoek werd daarom de effectiviteit beoordeeld van een op AI gebaseerd screeningsysteem bij het verminderen van de werklast van radiologen en het verbeteren van de screeningspercentages van mammografieën als onderdeel van de massale borstkankerscreening in Denemarken.
De resultaten toonden aan dat het op AI gebaseerde systeem de werklast van radiologen aanzienlijk verminderde en tegelijkertijd de screeningspercentages verbeterde, zoals blijkt uit een aanzienlijke toename van het aantal borstkankerdiagnoses en een aanzienlijke vermindering van valse positieven.