Prospektiv observationsstudie för klassificering av bröstmikroförkalkning med artificiell intelligensteknik

Bröstmikrokalcifikationer klassificeras för närvarande med hjälp av BI-RADS radiologiska skala. Vid misstänkta mikrokalcifikationer (B3) rekommenderas att göra en biopsibedömning för histopatologisk utvärdering. Cirka 70-80 % av utförda biopsier visar dock godartad histologi som inte kräver kirurgisk behandling. Kärnbiopsier är invasiva ingrepp med biologiska, psykologiska (patientbesvär), organisatoriska och ekonomiska (för hälso- och sjukvården) kostnader. Därför är noggrannhetens förbättring av den radiologiska klassificeringen av mikroförkalkningar väsentlig. Nyligen har olika tillvägagångssätt rapporterats i litteraturen för att upptäcka och klassificera mikroförkalkning som godartad eller misstänkt vid digitala mammografi. Analysmetoder baserade på användning av djupinlärning (DL) har också framstått som lovande för bearbetning av mammografibilder. Konvolutionella neurala nätverk (CNN) är för närvarande den senaste tekniken för bildklassificering inom många tillämpningsområden inom datorseende. Denna studie avser att implementera en klassificeringsmetod för bröstmikroförkalkning (som benigna eller maligna) med artificiell intelligens (AI)-tekniker på mammografiska bilder, för att utvärdera den diagnostiska prestandan (noggrannheten) för detta tillvägagångssätt. Utvärderingen kommer att utföras med hänvisning till standard radiologisk metod (BI-RADS klassificering).

Tillsammans med tillämpningen av AI-system för mammografisk avbildning, är ett ytterligare aktuellt kliniskt behov utvecklingen av ett diagnostiskt verktyg som kan bestämma in situ de biomolekylära egenskaperna hos mikroförkalkningar, exakt urskilja deras natur utan att ta vävnad, fixering och inbäddning av provet i paraffin, och utan högspecialiserad utvärdering av patologen. Ramanspektroskopi (RS) är en mycket specifik metod ur biomolekylär synvinkel och samtidigt är den kompatibel med mätningar in vivo. Den består av ett biofotoniskt tillvägagångssätt som kan utforska den molekylära sammansättningen av ett givet prov genom dess direkta bestrålning (genom laserljus) och det samtidiga förvärvet av emissionssignaler. RS-information skulle kunna kombineras med bildbehandlingsfunktioner för att implementera en AI-modell för kombinerad klassificering av bröstmikroförkalkning