AI を使用して、乳がんのスクリーニングで補助 MRI を受ける女性を選択する (ScreenTrustMRI)

Karolinska University Hospital でマンモグラフィ スクリーニングを受けるすべての女性は、マンモグラムを AI で分析します (図 1)。 この研究における特定の AI 実装 (AI ツール) は、マンモグラムを分析する 3 つの均等に重み付けされたコンポーネント AI モデルからの AI 予測の結果です: (i) マスキング予測因子、(ii) リスク予測因子、および (iii) がん兆候予測因子CAD モデルと 1 つの社内アカデミック CAD モデル);スコアに (110-年齢)/70 を掛けることで、女性の年齢も考慮されます。 年齢要因の目的は、低年齢グループと高年齢グループで MRI 検査の比率を比較的類似させることです。 AI ツールの目的は、がんの発見が遅れる可能性が最も高い女性、つまりスクリーニング マンモグラムで偽陰性の女性を特定することです。

AI ベースのフレームワークは、カロリンスカ研究所 (Fredrik Strand 博士が率いる) と王立工科大学 (Kevin Smith 博士が率いる) の研究者によって開発されました。 この研究における特定の AI 実装 (AI ツール) は、マンモグラムを分析する 3 つの均等に重み付けされたコンポーネント AI モデルからの AI 予測の結果です: (i) マスキング予測因子、(ii) リスク予測因子、および (iii) がん兆候予測因子CAD モデルと 1 つの社内アカデミック CAD モデル);スコアに (110-年齢)/70 を掛けることで、女性の年齢も考慮されます。 年齢要因の目的は、低年齢グループと高年齢グループで MRI 検査の比率を比較的類似させることです。 AI ツールの目的は、がんの発見が遅れる可能性が最も高い女性、つまりスクリーニング マンモグラムで偽陰性の女性を特定することです。 特定の AI ツールとその設定は、調査中も同じままです。 検査ごとに、AI ツールは AI ジョイント スコアと AI マスキング スコアを生成します。 AI マスキング スコアのカットオフ ポイントは、2021 年 3 月 1 日から 3 月 24 日の最初の期間に収集された検査の中央値によって定義されました。 AI ジョイント スコアのカットオフ ポイントは、初期母集団の 92 パーセンタイルによって定義されました。 これらの基準を満たす女性は研究に招待され、MRI または非 MRI (標準治療) に無作為に割り付けられます。

GE Healthcare の Signa Premier 3T MRI スキャナーが使用されます。 MRI プロトコルには、T2 強調ディクソン シーケンスと T1 強調ダイナミック コントラスト強化シリーズが含まれ、研究の過程で同じままになります。 すべての MRI 検査は 2 人の放射線科医によって評価され、2 番目のリーダーは最初のリーダーの評価にアクセスできます。 意見が一致しない場合は、2 人の放射線科医の間でコンセンサス ディスカッションが行われます。 MRI 検査は BI-RADS に従って評価され、フォローアップは BI-RADS カテゴリによって異なります (図 2)。 BI-RADS 1 ～ 2 の女性には、それ以上の診断は行われず、「健康通知書」が送られます。 BI-RADS 3 ～ 5 の女性は、2 回目の超音波検査のためにリコールされます。 BI-RADS 4 ～ 5 の女性は、確立されたがんの疑いの通常のプロセスに含まれ、学際的なチーム会議で議論されます。 BI-RADS 3 の女性の場合、フォローアップは乳房放射線科で処理されます。