IA individua un terzo dei tumori al seno non diagnosticati durante lo screening

AGI - Un algoritmo di intelligenza artificiale per lo screening del cancro al seno ha il potenziale per migliorare le prestazioni della tomosintesi digitale del seno (DBT), riducendo i tumori intervallari fino a un terzo, secondo uno studio pubblicato oggi su Radiology , una rivista della Radiological Society of North America (RSNA). I tumori mammari intercalati (tumori sintomatici diagnosticati entro un periodo di tempo tra i normali esami mammografici di screening) tendono ad avere esiti peggiori a causa della loro biologia più aggressiva e della rapida crescita. La DBT, o mammografia 3D, può migliorare la visualizzazione delle lesioni mammarie e rivelare tumori che potrebbero essere nascosti da tessuto denso. Poiché la DBT è una tecnologia di screening avanzata relativamente nuova, i dati a lungo termine sugli esiti per le pazienti sono limitati nelle istituzioni che non sono passate alla DBT fino a poco tempo fa.

“Data la mancanza di dati a lungo termine sulla mortalità correlata al cancro al seno misurata su 10 o più anni dopo l’inizio dello screening DBT, il tasso di cancro nell’intervallo è stato spesso utilizzato come marcatore surrogato”, ha spiegato l’autrice dello studio Manisha Bahl, MD, MPH, direttrice della qualità della divisione di imaging mammario e co-responsabile del servizio presso il Massachusetts General Hospital e professore associato presso la Harvard Medical School.

“Si presume che abbassare questo tasso riduca la morbilità e la mortalità correlate al cancro al seno”. In uno studio su 1.376 casi, la Bahl e i suoi colleghi hanno analizzato retrospettivamente 224 tumori interstiziali in 224 donne sottoposte a screening DBT. In questi esami DBT, l’algoritmo di intelligenza artificiale (Lunit INSIGHT DBT v1.1.0.0) ha localizzato correttamente il 32,6% (73/224) dei tumori precedentemente non rilevati. “Il mio team e io siamo rimasti sorpresi nello scoprire che quasi un terzo dei tumori intermittens è stato rilevato e localizzato correttamente dall’algoritmo dell’intelligenza artificiale su mammografie di screening che erano state interpretate come negative dai radiologi, evidenziando il potenziale dell’intelligenza artificiale come prezioso secondo lettore”, ha affermato Bahl.

Secondo i ricercatori, lo studio di Radiology potrebbe rappresentare la prima ricerca pubblicata ad esaminare specificamente l’assistenza dell’intelligenza artificiale nella rilevazione dei tumori intervallari negli esami di screening DBT. “Diversi studi hanno esplorato l’uso dell’intelligenza artificiale per rilevare i tumori dell’intervallo durante gli esami di screening mammografico digitale bidimensionale, ma a nostra conoscenza nessuna letteratura pubblicata in precedenza si è concentrata sull’uso dell’intelligenza artificiale per rilevare i tumori dell’intervallo durante la DBT”, ha spiegato Bahl. Per evitare di sopravvalutare la sensibilità dell’algoritmo di intelligenza artificiale, il team di Bahl ha utilizzato un’analisi specifica per lesione che “attribuisce il merito” all’algoritmo di intelligenza artificiale solo quando identifica e localizza correttamente il sito esatto del cancro.

“Al contrario, un’analisi a livello di esame attribuisce all’intelligenza artificiale il merito di qualsiasi esame positivo, anche se la sua annotazione è errata o non correlata all’effettiva sede del tumore, il che potrebbe aumentare la sensibilità dell’algoritmo”, ha affermato Bahl. “Concentrarsi sull’accuratezza a livello di lesione fornisce un’immagine più accurata delle prestazioni cliniche dell’algoritmo di intelligenza artificiale”. I tumori rilevati dall’algoritmo tendevano a essere più grandi e avevano maggiori probabilità di essere positivi ai linfonodi, ha osservato Bahl. “Questi risultati suggeriscono che l’intelligenza artificiale potrebbe rilevare preferenzialmente tumori più aggressivi o in rapida crescita, oppure identificare tumori non rilevati che erano già in fase avanzata al momento dello screening”, ha affermato.

Tra 1.000 pazienti, inclusi quelli con tumori veri positivi in base all’esame istologico e quelli con esiti veri negativi e falsi positivi in base al follow-up a un anno, l’algoritmo ha localizzato correttamente l’84,4% di 334 tumori veri positivi. Ha inoltre classificato correttamente come negativi l’85,9% di 333 casi veri negativi e il 73,2% di 333 casi falsi positivi. “Il nostro studio dimostra che un algoritmo di intelligenza artificiale può rilevare retrospettivamente e localizzare correttamente quasi un terzo dei tumori al seno intercalari durante gli esami di screening DBT, suggerendo il suo potenziale per ridurre il tasso di tumori intercalari e migliorare i risultati dello screening”, ha affermato Bahl. “Questi risultati supportano l’integrazione dell’intelligenza artificiale nei flussi di lavoro dello screening DBT per migliorare la rilevazione del cancro, ma il suo impatto nel mondo reale dipenderà in ultima analisi dall’adozione e dalla convalida da parte dei radiologi in diversi ambienti clinici”.