Kecerdasan Buatan Memajukan Deteksi Kanker Payudara

Dengan teknologi kecerdasan buatan, profesional medis dapat dengan cepat dan akurat memilah-milah MRI payudara pada pasien dengan jaringan payudara padat untuk menghilangkan mereka yang tidak terkena kanker.

Mammografi telah membantu mengurangi kematian terkait kanker payudara dengan memberikan deteksi dini ketika kanker masih dapat diobati. Namun, kurang sensitif pada wanita dengan jaringan payudara yang sangat padat dibandingkan jaringan payudara berlemak.

Selain itu, wanita dengan payudara yang sangat padat tiga sampai enam kali lebih mungkin terkena kanker payudara daripada wanita dengan payudara yang hampir seluruhnya berlemak dan dua kali lebih mungkin daripada wanita rata-rata.

Skrining tambahan pada wanita dengan jaringan payudara padat meningkatkan sensitivitas deteksi kanker. Penelitian dari Denise Tissue and Early Breast Neoplasm Screening (DENSE) Trial mendukung penggunaan skrining tambahan dengan MRI.

"Uji coba DENSE menunjukkan bahwa skrining MRI tambahan untuk wanita dengan payudara yang sangat padat bermanfaat," kata penulis utama studi Erik Verburg, MSc, dalam siaran pers. "Di sisi lain, uji coba DENSE menegaskan bahwa sebagian besar wanita yang diskrining tidak memiliki temuan mencurigakan pada MRI."

Sementara sebagian besar MRI menunjukkan variasi anatomi dan fisiologis normal yang mungkin tidak memerlukan tinjauan radiologis, para peneliti menciptakan metode kecerdasan buatan untuk mengurangi beban kerja ahli radiologi.

Verburg dan rekan-rekannya berangkat untuk menentukan kelayakan metode triase otomatis berdasarkan pembelajaran mendalam. Tim menggunakan data MRI payudara dari percobaan DENSE untuk mengembangkan dan melatih algoritma pembelajaran mendalam untuk membedakan antara payudara dengan dan tanpa lesi. Model dilatih dengan data dari tujuh rumah sakit dan diuji pada data dari delapan rumah sakit.

"Lebih dari 4.500 dataset MRI dari payudara yang sangat padat dimasukkan. Dari 9.162 payudara, 838 memiliki setidaknya satu lesi, 77 di antaranya ganas, dan 8.324 tidak memiliki lesi, "kata siaran pers.

Model pembelajaran mendalam menganggap 90,7 persen MRI dengan lesi tidak normal dan melakukan triage pada tinjauan radiologis. Model tersebut menolak sekitar 40 persen dari MRI bebas lesi tanpa melewatkan kanker apapun.

"Kami menunjukkan bahwa adalah mungkin untuk menggunakan kecerdasan buatan dengan aman untuk mengabaikan MRI skrining payudara tanpa melewatkan penyakit ganas apa pun," kata Verburg. "Hasilnya lebih baik dari yang diharapkan. Empat puluh persen adalah awal yang baik. Namun, kami masih memiliki 60% untuk ditingkatkan."

Menurut para peneliti, sistem triase berbasis AI dapat secara signifikan mengurangi beban kerja ahli radiologi.

"Pendekatan ini pertama-tama dapat digunakan untuk membantu ahli radiologi mengurangi waktu membaca secara keseluruhan," kata Verburg. "Akibatnya, lebih banyak waktu dapat tersedia untuk fokus pada pemeriksaan MRI payudara yang sangat kompleks."

Para peneliti berencana untuk memvalidasi model di kumpulan data lain dan menyebarkannya dalam putaran penyaringan berikutnya dari uji coba DENSE.