Ученые из Нью-Йорка создали алгоритм искусственного интеллекта, который позволяет сортировать 20% нормальных скрининговых МРТ-исследований груди и не пропустить ни одного рака. При использовании алгоритма в клинике ИИ может позволить увеличить эффективность МРТ-скрининга молочных желез.
Ученые из онкологического центра Слоана –Кетерринга в Нью-Йорке презентовали созданный ими алгоритм (на базе глубокого машинного обучения) на встрече в обществе ISRMM в Лондоне. Созданный алгоритм предназначен для сортировки обычных скрининговых МРТ-исследований молочной железы в отдельный список, который требует дополнительного анализа врачом-рентгенологом.
Как утверждает ведущий автор исследования доктор Арки Бховмик, тестирование алгоритма показало, что его использование позволяет врачам-рентгенологам сэкономить время интерпретации снимков на 20%. Кроме того, алгоритм не пропустил ни одного рака в ходе тестирования
МРТ молочной железы в настоящее время является одним из методов скрининга рака молочной железы у пациентов с высоким риском, но почти в 98% случаев обследование показывает нормальные результаты. В исследовании, которое было представлено на ISMRM 2022, ученые ставили задачу использования ИИ для сортировки стандартных исследований и создания сокращенного рабочего списка для рентгенолога. Было проведено сравнение эффективности алгоритма с работой рентгенологов с определенным опытом и оценка прогнозируемой экономии времени за счет использования ИИ.
Исследователи создали алгоритм на основе предоставления меток для ИИ с помощью системы BI-RADS.
Для обучения ИИ ученые использовали 16 020 аксиальных МРТ-исследований молочной железы с контрастным усилением 8 330 пациентов, в период с 2013 по 2019 год. 10% исследований были отложены для тестирования.
В тестовый набор было включено 1467 исследований без рака и 15 с раком. Разработанный алгоритм ИИ смог обнаружить все 15 случаев рака и отсортировал 20% исследований без рака для сокращенной интерпретации для рентгенолога. Остальные 80% МР –исследований были отсортированы для полноценной интерпретации радиологом.
Было подсчитано, что экономия времени для анализа сканов сократилось на 20%.
В дальнейшем ученые планируют расширить проверку алгоритма и создать более общий сквозной алгоритм, с начальным этапом сегментации груди.
