Širokoúhlá tomosyntéza a AI v diagnostické mamografii

Karcinom prsu zůstává nejčastěji diagnostikovaným nádorem a hlavní příčinou úmrtí souvisejících s rakovinou u žen na celém světě. Včasná a přesná detekce je klíčová pro zlepšení prognózy a přežití. Zatímco digitální mamografie dlouho sloužila jako zlatý standard pro screening, je omezena překrývajícími se strukturami tkání, zejména u žen s hustými prsy, což může zakrýt malignity nebo způsobit falešně pozitivní výsledky.

Pro řešení těchto omezení byl vyvinut digitální tomosyntéza prsu (DBT), zejména širokoúhlá DBT, která nabízí trojrozměrné zobrazení a snižuje překryv tkání. Systém MAMMOMAT B.brilliant od Siemens, který zahrnuje širokoúhlou DBT, zlepšuje prostorové rozlišení a zvýraznění lézí. Tato technologie může nabídnout významné výhody v diagnostických populacích, kde je přesnost a jistota při interpretaci zobrazení klíčová.

Současně byly zavedeny nástroje umělé inteligence (AI), jako je systém Transpara, pro další zlepšení mamografické interpretace. Dřívější hodnocení Transpara ve vzorku 310 japonských žen ukázalo, že zatímco lidské čtenáře překonaly AI v celkové diagnostické výkonnosti, systém vykazoval slibné úrovně senzitivity, což zdůrazňuje potenciál AI jako nástroje pro podporu rozhodování spíše než samostatného čtečky.

Robustnější důkazy poskytuje studie Mammography Screening with Artificial Intelligence (MASAI), která hodnotila čtení screeningů s podporou AI v kontrolované studii s více než 80 000 ženami. Studie zjistila, že čtení s podporou AI vedlo ke srovnatelné míře detekce rakoviny jako standardní dvojité čtení (6,1 vs. 5,1 na 1000 účastnic), ale snížilo pracovní zátěž čtení o 44,3 % bez zvýšení falešně pozitivních výsledků nebo míry opětovného vyšetření. Související analýza stejného týmu zdůraznila schopnost AI efektivně třídit vyšetření a poukázala na to, že mamogramy označené AI jako "mimořádně vysoké riziko" tvořily podstatnou část (více než 55 %) všech screeningem detekovaných nádorů, s vysokou pozitivní prediktivní hodnotou.

Navzdory těmto povzbudivým zjištěním byla většina studií omezena na screeningová prostředí. Stále chybí prospektivní důkazy o reálné diagnostické aplikaci širokoúhlé DBT a AI u populací s vyšším rizikem, jako jsou symptomatické pacientky nebo ty, které byly odvolány ze screeningu. To představuje kritickou mezeru ve znalostech, zejména vzhledem k rostoucím obavám o pracovní zátěž radiologů a diagnostická zpoždění.

Cílem této prospektivní observační studie je vyhodnotit integraci a diagnostickou hodnotu širokoúhlé tomosyntézy a AI (Transpara) v klinickém diagnostickém prostředí. Konkrétně si klade za cíl posoudit jejich vliv na jistotu radiologů, diagnostickou přesnost a potřebu doplňkového zobrazování. Řešením těchto otázek studie usiluje o informování budoucích implementačních strategií, které vyvažují přesnost, efektivitu a klinickou užitečnost.