Искусственный интеллект в скрининге рака молочной железы на основе маммографии

Рак молочной железы (РМЖ) является наиболее распространенным видом рака среди женщин во всем мире и второй по значимости причиной смерти от рака.

Являясь краеугольным камнем скрининга РМЖ, маммография признана одним из полезных методов визуализации для снижения смертности от РМЖ благодаря раннему выявлению РМЖ. Однако интерпретация маммографии по своей сути является субъективной оценкой и склонна к гипердиагностике.

В последние годы системы искусственного интеллекта (ИИ) и компьютерной диагностики (CAD), характеризующиеся встроенными алгоритмами глубокого обучения, вошли в область скрининга РМЖ в качестве помощи рентгенологу с целью оптимизации традиционной системы CAD со слабой извлечение ручных функций. На данный момент автономная работа новых инструментов AI-CAD продемонстрировала многообещающую точность и эффективность в диагностике РМЖ, в значительной степени благодаря использованию сверточных нейронных сетей (CNN), и некоторые из них уже достигли уровня рентгенолога. С другой стороны, эффективность рентгенологов при скрининге РМЖ повысилась за счет использования системы AI-CAD в качестве инструмента поддержки принятия решений. По мере расширения внедрения коммерческой системы AI-CAD следует проводить надежную оценку ее полезности и экономической эффективности в клинических условиях в сценариях, имитирующих реальную жизнь, до широкого внедрения, как и другие новые и перспективные технологии. Это требует проверки систем AI-CAD при скрининге БК на нескольких, разнообразных и репрезентативных наборах данных, а также для оценки интерфейса между считывателем и системой. Это предлагаемое исследование направлено на изучение диагностических характеристик рака молочной железы системы AI-CAD, используемой для чтения маммограмм. В этой работе мы будем использовать коммерчески доступный инструмент AI-CAD, основанный на алгоритмах глубокого обучения (IBM Watson Imaging AI Solution), для выявления и описания подозрительных поражений молочной железы на маммограммах. Потенциальные раковые образования могут быть помечены, а их маммографические характеристики и вероятность малигнизации будут автоматически сообщены. После постобработки ИИ мы дополнительно проведем статистический анализ, чтобы определить точность системы AI-CAD для прогнозирования риска РМЖ.