Un nuevo estudio encabezado por investigadores en el Centro Integral de Cáncer de UCLA Health Johnson muestra que la inteligencia artificial (IA) puede ayudar a detectar el cáncer de seno, que se desarrolla entre el detección de rutina, antes de que estén más desarrollados y más difíciles. Esto puede producir mejores métodos de detección, primer tratamiento y mejores resultados para los pacientes.
El estudio, apareció en Revista del Instituto Nacional del CáncerSe descubrió que la detección de IA pudo identificar las variedades “mamográficas visibles” del cáncer de primer intervalo marcando en la detección. Estos incluyen tumores que aparecen en el memograma, pero no los radiólogos no lo detectan, o hay un símbolo muy sutil en la mamografía, que falta porque este símbolo estaba por debajo del ojo humano para detectivamente o por argumento.
Los investigadores estiman que agregar IA a la detección puede ayudar a reducir el número de cáncer de mama en un 30 %.
“Esta detección es importante porque estos tipos de cáncer de cáncer ya pueden ser capturados”, dijo el Dr. Tufni Yu, profesor asistente de la Facultad de Medicina David Gyapon en la UCLA. “Para los pacientes, atrapar cáncer rápidamente puede marcar la diferencia. Esto puede ser menos agresivo y mejorar las posibilidades de mejores resultados”.
Aunque se han realizado investigaciones similares en Europa, este estudio es una de las primeras personas en descubrir el uso de IA para detectar el cáncer de mama intermitente en los Estados Unidos. Los investigadores dijeron que había diferencias clave entre los métodos de detección de EE. UU. Y Europa. En los Estados Unidos, la mayoría de los memogramas se realizan utilizando tomosinitos mamarios digitales (DBT), que a menudo se llama mamografía 3D, y los pacientes generalmente se evalúan cada año. Por el contrario, los programas europeos generalmente usan mamografía digital (DM), que a menudo se llama mamografía 2D, y se usa cada dos o tres años después de los pacientes con pantalla.
El estudio anterior analizó datos de aproximadamente 185 185,000 memoograma anterior en 2010-2019, que incluía DM y DBT. A partir de los datos, el equipo consideró 148 casos en los que una mujer fue diagnosticada con cáncer de seno.
Luego, los radiólogos revisaron estos casos para determinar por qué no se vio el cáncer antes. Los nuevos estudios han adaptado un sistema de calificación europeo para clasificar el cáncer de intervalos. Estos incluyen: error de lectura, síntomas mínimos, síntomas mínimos, cáncer de intervalos no comparable, no accidente, magia (que en realidad es invisible en el memograma) y se cae debido a un error técnico.
Luego, los investigadores aplicaron el software de IA disponible comercialmente en las memogramas de detección iniciales realizadas antes del diagnóstico de cáncer para determinar si los radiólogos los recordaron durante la detección inicial, o al menos fueron declarados sospechosos. Este dispositivo obtuvo cada memograma de 1 a 10 para el riesgo de cáncer. El puntaje de 8 o más probablemente se consideró una bandera.
Resultados clave:
- El equipo descubrió que la IA marcó el 76 por ciento del memograma que en realidad se leyó como de costumbre, pero luego se asoció con el cáncer de mama de la ruptura.
- Marcó el 90 % de los recordatorios de error de lectura, donde se vio el cáncer en el memograma, pero fue perdido o malinterpretado por el radiólogo.
- Capturó al menos el 89 % de los signos mínimos de un cáncer viable, que mostraba síntomas muy sutiles y podía seguirse razonablemente, así como el 72 % de los que eran impopulares con asientos mínimos, que eran muy sutiles para posibles acciones.
- Para el cáncer en el memograma, que fue secretamente o completamente invisible, la IA marcó el 69 % de los casos.
- Fue menos efectivo para identificar el cáncer real, que no estaba presente en la detección, sino que luego fue listo, alrededor del 50 % de ellos marcados.
“Si bien tenemos algunos resultados interesantes, hemos expuesto muchos errores de IA y problemas que deben encontrarse en entornos del mundo real”, dijo la Dra. Hannah Malch, profesora asistente de la Escuela de Medicina David Jeffine. “Por ejemplo, a pesar de estar oculto en la mamografía, Aitoll todavía marcó el 69 por ciento de los memogramas de detección que contenían cáncer secreto. Sin embargo, cuando vimos áreas específicas de las imágenes de las que la IA sospechó, la IA no funcionó solo como un trabajo”.
Esto requiere grandes estudios potenciales para comprender cómo los radiólogos usarán la IA en la práctica y resolverán preguntas clave, como cómo manejar casos en los que las áreas marcadas de IA son sospechosas, especialmente cuando el ojo humano no es visible, especialmente cuando el cáncer no es válido.
Yu agregó: “Aunque la IA no es perfecta y no debe usarse, estos resultados respaldan la idea de que la IA intermitente puede ayudar al cáncer de seno en su mayoría al cáncer”. “Muestra la capacidad de actuar como un conjunto de ojos valiosos, especialmente para los tipos de cáncer que son los más difíciles de ponerse al día rápidamente. Se trata de brindar a los radiólogos mejores herramientas y dar a los pacientes la mejor oportunidad de atrapar cáncer, lo que hace que más sobrevivan”.
Otros autores, todos UCLAS, Dra. Ann Hoit, Dr. Melissa, Dr. Cheris Fisher, Dr. Nazanan Yagmai, Dr. James Children, Dra. Lucy Chow, Dr. Shabnam Murtazvi, Christopher Sars, Dr. James Sear, Dr. John Elmore y Dr. William Husu.
El trabajo fue parcialmente apoyado por el Instituto Nacional de Salud, el Instituto Nacional del Cáncer, la Agencia para la Investigación y Calidad de la Atención Médica y el diagnóstico inicial.
