Inteligência Artificial de ultrassom de mama ajuda os radiologistas a se concentrarem no câncer

Um algoritmo de inteligência artificial (IA) foi capaz de reduzir significativamente os falsos positivos na ultrassonografia da mama, potencialmente evitando a necessidade de uma em cada quatro biópsias em um estudo publicado online em setembro na Nature Communications . Pesquisadores da New York University (NYU) treinaram um algoritmo de aprendizado profundo em quase 290.000 imagens de ultrassom de mama. No estudo retrospectivo do leitor, o modelo ajudou os radiologistas a diminuir as taxas de falso-positivo em mais de 37% e as solicitações de biópsia em mais de 27% - sem afetar a sensibilidade. Além disso, o algoritmo demonstrou excelente generalização em um conjunto externo de dados de teste.

"Nosso estudo demonstra como a inteligência artificial pode ajudar os radiologistas a ler exames de ultrassom de mama para revelar apenas aqueles que mostram sinais reais de câncer de mama e evitar a verificação por biópsia em casos que se revelaram benignos", disse o pesquisador sênior Krzysztof Geras, PhD, da NYU Grossman School of Medicine, em comunicado.

Embora o ultrassom ofereça valor para a detecção de cânceres de mama mamograficamente ocultos - especialmente em mamas densas - a modalidade também é caracterizada por uma alta taxa de falsos positivos, de acordo com os pesquisadores. Os co-primeiros investigadores da NYU, Yiqiu "Artie" Shen, Farah Shamout, PhD e Jamie Oliver e colegas procuraram resolver este problema desenvolvendo um algoritmo de IA.

O treinamento e a validação da rede neural profunda foram conduzidos usando um conjunto de dados com curadoria de 288.767 exames de ultrassom de mama de 143.203 pacientes na NYU Langone Health entre 2012 e 2019. Em testes em 44.755 exames, o modelo rendeu uma área sob a curva (AUC) de 0,976 para identificar mamas com lesões malignas e manter alta precisão diagnóstica em todas as faixas etárias, densidades mamográficas das mamas e fabricantes de equipamentos de ultrassom, de acordo com os pesquisadores.

Em seguida, eles compararam o desempenho do algoritmo com o de 10 radiologistas de mama certificados em uma amostra enriquecida de 663 exames do conjunto de teste interno. Eles também avaliaram os resultados de um modelo de previsão híbrido simulado que combinou as previsões dos radiologistas e o modelo de IA.

O modelo híbrido teria diminuído a taxa média de falsos positivos do radiologista em 37,3%, enquanto produzia o mesmo número de falsos negativos ou menos que os radiologistas, de acordo com os pesquisadores.

Para avaliar a capacidade de generalização potencial do algoritmo, os pesquisadores testaram seu desempenho nas 780 imagens do conjunto de dados de imagens de ultrassom da mama do Hospital Baheya para detecção precoce e tratamento do câncer feminino no Cairo. O modelo rendeu uma AUC de 0,927.

“Isso destaca o potencial da IA ​​em melhorar a precisão, consistência e eficiência do diagnóstico de ultrassom mamário em todo o mundo”, escreveram os autores.

Embora seus resultados iniciais sejam promissores, o software precisa ser testado em ensaios clínicos em pacientes atuais e em condições do mundo real antes de poder ser implantado rotineiramente, observou o grupo. Geras também planeja refinar o software de IA, incluindo informações adicionais do paciente, como o risco adicional de uma mulher ter um histórico familiar ou mutação genética ligada ao câncer de mama. 

"Se nossos esforços para usar o aprendizado de máquina como uma ferramenta de triagem para estudos de ultrassom forem bem-sucedidos, o ultrassom pode se tornar uma ferramenta mais eficaz no rastreamento do câncer de mama, especialmente como uma alternativa à mamografia, e para aqueles com tecido mamário denso", acrescentou o estudo co- investigadora Dra. Linda Moy na declaração.

Imagem: As imagens de ultrassom da mama mostram câncer (à esquerda, como uma mancha escura no centro e, à direita, em vermelho, conforme destacado pelo algoritmo de IA). Imagem cortesia da Nature Communications .

Fonte: https://www.auntminnie.com/index.aspx?Sec=sup&Sub=wom&Pag=dis&ItemId=133582