Intelligenza artificiale nello screening del cancro al seno basato sulla mammografia

Il cancro al seno (BC) è il tumore più comune tra le donne in tutto il mondo e la seconda causa di morte correlata al cancro.

Come pietra angolare dello screening BC, la mammografia è riconosciuta come una delle modalità di imaging utili per ridurre la mortalità BC, in virtù della diagnosi precoce di BC. Tuttavia, l'interpretazione della mammografia è una valutazione intrinsecamente soggettiva e soggetta a sovradiagnosi.

Negli ultimi anni, i sistemi di intelligenza artificiale (AI)-Computer Aided Diagnosis (CAD), caratterizzati da algoritmi di deep learning incorporati, sono entrati nel campo dello screening BC come ausilio per il radiologo, con lo scopo di ottimizzare il sistema CAD convenzionale con debolezze di estrazione di caratteristiche artigianali. Per ora, le prestazioni autonome dei nuovi strumenti AI-CAD hanno dimostrato una promettente accuratezza ed efficienza nella diagnosi BC, in gran parte attribuita all'utilizzo della rete neurale di convoluzione (CNN), e alcuni di essi hanno già raggiunto il livello di un radiologo. D'altra parte, le prestazioni dei radiologi sullo screening BC hanno dimostrato di essere migliorate, sfruttando il sistema AI-CAD come strumento di supporto decisionale. Come crescente implementazione del sistema AI-CAD commerciale, dovrebbe essere intrapresa una solida valutazione della sua utilità e del rapporto costo-efficacia in circostanze cliniche in scenari che imitano la vita reale prima di un'ampia adozione, come altre tecnologie emergenti e promettenti. Ciò richiede di convalidare i sistemi AI-CAD nello screening BC su set di dati multipli, diversi e rappresentativi e anche di stimare l'interfaccia tra lettore e sistema. Questo studio proposto cerca di indagare le prestazioni diagnostiche del cancro al seno del sistema AI-CAD utilizzato per la lettura delle mammografie. In questo lavoro, utilizzeremo uno strumento AI-CAD disponibile in commercio basato su algoritmi di deep learning (IBM Watson Imaging AI Solution) per identificare e caratterizzare le lesioni mammarie sospette sulle mammografie. Le potenziali lesioni tumorali possono essere etichettate e le loro caratteristiche mammografiche e la probabilità di malignità verranno riportate automaticamente. Dopo la post-elaborazione AI, eseguiremo ulteriori analisi statistiche per determinare l'accuratezza del sistema AI-CAD per la previsione del rischio BC.