Nye publikationer
AI opdager en tredjedel af tilfælde af brystkræft i intervaller, der overses ved screening
Sidst revideret: 03.08.2025
Alt iLive-indhold gennemgås medie eller kontrolleres for at sikre så meget faktuel nøjagtighed som muligt.
Vi har strenge sourcing retningslinjer og kun link til velrenommerede medie websteder, akademiske forskningsinstitutioner og, når det er muligt, medicinsk peer reviewed undersøgelser. Bemærk at tallene inden for parentes ([1], [2] osv.) Er klikbare links til disse undersøgelser.
Hvis du mener, at noget af vores indhold er unøjagtigt, forældet eller på anden måde tvivlsomt, skal du vælge det og trykke på Ctrl + Enter.
En kunstig intelligens-algoritme til screening for brystkræft kan forbedre ydeevnen af digital tomosyntese-mammografi (DBT) og dermed reducere forekomsten af kræft i mellemtiden med op til en tredjedel, ifølge en undersøgelse offentliggjort i dag i tidsskriftet Radiology.
Intervalbrystkræft er symptomatiske tumorer, der diagnosticeres mellem rutinemæssige screeningmammografier. Disse tilfælde har typisk en dårligere prognose på grund af mere aggressiv sygdom og hurtig tumorvækst. DBT, eller 3D-mammografi, giver forbedret visualisering af brystlæsioner og kan identificere tumorer, der kan være skjult af tæt væv. Da DBT er en relativt ny teknologi, er der dog stadig begrænsede data om langsigtede resultater for patienter på institutioner, der for nylig har taget teknikken i brug.
"I betragtning af manglen på data om brystkræftdødelighed ud over 10 års DBT-screening, bruges intervalkræftrater ofte som en reference," forklarer studieforfatter Dr. Manisha Bahl, direktør for brystbilleddannelseskvalitet på Massachusetts General Hospital og lektor ved Harvard Medical School.
"Et fald i denne rate tyder på et fald i brystkræftincidens og -dødelighed."
Undersøgelse: AI identificerer uopdagede tumorer
I et studie med 1.376 tilfælde analyserede Bal og kolleger retrospektivt 224 tilfælde af intervalkræft hos 224 kvinder, der gennemgik DBT-screening. På disse billeder lokaliserede Lunit INSIGHT DBT v1.1.0.0 AI-algoritmen korrekt 32,6 % (73 ud af 224) af tidligere uopdagede tumorer.
"Vi var overraskede over, at næsten en tredjedel af intervaltumorerne blev opdaget og nøjagtigt lokaliseret af AI-algoritmen i mammogrammer, der tidligere blev fortolket som normale af radiologer, hvilket fremhæver potentialet ved AI som en 'anden læser'," sagde Bahl.
Ifølge forskerne kan dette være det første publicerede studie, der specifikt undersøger brugen af kunstig intelligens til at detektere intervalkræft på DBT-billeder.
"AI er tidligere blevet brugt til at detektere intervalkræft på konventionelle 2D digitale mammogrammer, men så vidt vi ved, har der ikke været nogen offentliggjorte studier i litteraturen om AI-detektion af intervaltumorer specifikt på 3D-tomosyntesescanninger," forklarede Bal.
Metode: på læsionsniveau, ikke bare et øjebliksbillede
For at undgå at overvurdere algoritmens følsomhed brugte Bals team en læsionsspecifik analyse: AI'en fik kun et "scoret hit", hvis den korrekt identificerede og lokaliserede tumorens nøjagtige placering.
"I modsætning hertil kan helbilledanalyse give AI'en et 'bestået' resultat, selvom annoteringen er forkert, hvilket kunstigt forøger følsomheden," tilføjer hun.
"Ved at fokusere på nøjagtigheden af læsionslokaliseringen kan man opnå en mere pålidelig vurdering af algoritmens kliniske ydeevne."
Hvad finder AI præcist?
- Tumorer opdaget af algoritmen havde en tendens til at være større
- Oftere endte de med lymfeknudeskader
- Det kan betyde, at AI primært identificerer aggressive eller hurtigtvoksende tumorer, eller dem, der allerede var i et fremskredent stadium, men som lægerne overså under screeningen.
Samlede resultater:
Blandt 1.000 patienter (inklusive både dem med bekræftede tumorer og dem med godartede eller falsk positive resultater), AI:
- Korrekt lokaliseret 84,4% af 334 sandt positive tilfælde
- Korrekt klassificeret 85,9% af 333 sande negative resultater
- Afvist som falsk i 73,2% af 333 falsk positive tilfælde
Konklusioner og betydning
"Vores undersøgelse viste, at AI-algoritmen retrospektivt kunne opdage og præcist lokalisere næsten en tredjedel af intervalbrystkræft på DBT-screeningsbilleder, hvilket indikerer dens potentiale til at reducere forekomsten af intervalkræft og forbedre screeningsresultaterne," sagde Dr. Bahl.
"Vores resultater understøtter integrationen af kunstig intelligens i DBT-arbejdsgange for at forbedre nøjagtigheden af kræftdetektion. Den reelle effekt vil dog afhænge af, i hvilket omfang radiologer anvender og tilpasser kunstig intelligens i klinisk praksis, samt afprøvning af dens effektivitet i forskellige kliniske miljøer."