Une étude suédoise constate que le dépistage soutenu par l'IA détecte 29% de cancers en plus sans augmenter les faux positifs, tout en réduisant la charge de travail des radiologues de 44%.
Étude: Performances de dépistage et caractéristiques du cancer du sein détectées dans le dépistage de la mammographie avec essai d'intelligence artificielle (MASAI): une étude de précision randomisée, contrôlée et parallèle, non inférieure, en simple aveugle et de dépistage. Crédit d'image: Gorodenkoff / Shutterstock.com
Dans une étude récente publiée dans Lancet Digital Health, les chercheurs ont examiné les performances du dépistage du cancer dans l'essai de dépistage de la mammographie avec l'intelligence artificielle (MASAI).
Sommaire
Arrière-plan
Le cancer du sein est une maladie hétérogène qui va des formes indolentes à agressives. Caractérisation du cancer basée sur la taille, la morphologie, le sous-type moléculaire, les biomarqueurs immunohistochimiques, les métastases et la participation des ganglions lymphatiques donnent des informations prédictives et pronostiques utiles dans la planification du traitement et le suivi des patients.
L'intelligence artificielle (IA) peut potentiellement diminuer la charge de travail à lecture d'écran dans le dépistage de la mammographie et améliorer la détection du cancer.
La double lecture des examens de dépistage est la norme de soins dans les programmes de dépistage européens. La réduction de la charge de travail à double lecture en substituant (une partie de) la lecture humaine avec l'IA pourrait avoir un impact positif sur la dotation des radiologues mammaires.
Quelques études prospectives ont suggéré que l'utilisation de l'IA dans le dépistage de la mammographie augmente la détection du cancer. Cependant, la détection du cancer soutenue par l'IA ne devrait pas identifier principalement des cancers indolents ou se produire au détriment de plus de faux positifs; Au lieu de cela, l'utilisation de l'IA devrait augmenter la détection des cancers cliniquement pertinents.
À propos de l'étude
Dans la présente étude, les chercheurs ont évalué les performances des mesures de dépistage du cancer dans l'essai MASAI. L'essai a été conçu pour comparer le dépistage de la mammographie soutenue par l'IA avec une double lecture standard.
Les participants étaient des femmes éligibles à la participation au dépistage de la mammographie basée sur la population en Suède. Après l'acquisition de mammographie, les examens ont été randomisés en double lecture (contrôle) ou un dépistage supporté par AI (intervention).
Dans le groupe d'intervention, les examens ont été analysés à l'aide du système d'IA «Transpara». Transpara a fourni un score de risque de malignité sur une échelle de 10 points, qui a été classé en élevé (score: 10), intermédiaire (8–9) ou faible risque (1–7). Les examens à haut risque ont subi une double lecture, tandis que les examens intermédiaires et à faible risque ont subi une lecture unique.
Les examens avec le risque de 1% le plus élevé ont été signalés comme risque extra-haut. Les examens de contrôle ont subi une double lecture standard et n'ont pas été analysés par l'IA.
Les cancers ont été stratifiés comme in situInvasif, histologique, Nottingham Histological Grade et Nuclear Grade. Le sous-type moléculaire a été déterminé à l'aide de biomarqueurs immunohistochimiques.
La stadification de la tumeur, du nœud, des métastases (TNM) a été déterminée sur la base de l'implication des ganglions lymphatiques et de la taille pathologique. Les principales mesures des résultats étaient les performances de dépistage précoces, le stade tumoral et la détection de type et la charge de travail à lutte contre l'écran.
Les mesures de performance comprenaient le taux de détection, le taux de rappel, la valeur prédictive positive (PPV) du rappel et le taux de faux positifs.
Résultats
L'échantillon analytique comprenait 53 043 sujets du groupe d'intervention et 52 872 participants dans le groupe témoin. Dans le bras d'intervention, 3 800 examens étaient à haut risque, dont 655 ont été signalés comme risque extra-haut. Transpara n'a pas fourni de score de risque pour 368 examens. Environ 0,1% des examens dans l'un ou l'autre groupe étaient des rappels techniques.
La détection du cancer a considérablement augmenté de 29% avec le dépistage soutenu par l'IA par rapport à la double lecture standard. De plus, le rappel et les taux de faux positifs ont montré des augmentations non significatives avec le dépistage soutenu par l'IA, tandis que le PPV de rappel a connu une augmentation significative. Le groupe d'intervention avait 48 444 lectures de moins mais 65 réunions de consensus supplémentaires que le bras de contrôle.
Cela signifiait une baisse de 44% de la charge de travail à lecture d'écran. Dans le groupe d'intervention, 941 participants ont été rappelés en raison de résultats mammographiques, et 169 ont été rappelés en raison de symptômes signalés, contre 847 et 180 sujets dans le groupe témoin, respectivement.
De plus, le groupe d'intervention avait plus de cancers détectés dans les groupes d'âge de 10 ans et un taux de faux positif accru de 60 ans que le groupe témoin.
L'utilisation d'IA a entraîné une détection de 76 cancers supplémentaires, comprenant 23 in situ cancers et 53 cancers invasifs supplémentaires. De plus, la détection entre les types histologiques a également été augmentée, avec la plus forte augmentation du nombre de cancers invasifs sans type spécial.
Une détection accrue avec un dépistage soutenu par l'IA a également été observée entre les grades histologiques; Les cancers de grade I avaient la plus élevée.
De plus, 29 Luminal A et 21 cancers invasifs non luminaux supplémentaires de plus ont été détectés avec un dépistage soutenu par l'IA. Le groupe d'intervention avait 46 autres ganglions lymphatiques négatifs et cinq cancers invasifs de ganglions lymphatiques supplémentaires que le groupe témoin.
Dans le groupe d'intervention, la plupart des cancers A non plus nombreux étaient négatifs des ganglions lymphatiques. Un nombre similaire de sujets atteints de stade 2+ TNM a été observé entre les groupes.
Conclusions
En somme, les résultats montrent que le dépistage soutenu par l'IA a entraîné une augmentation significative de la détection du cancer par rapport à la double lecture standard.
L'utilisation de l'IA a principalement augmenté la détection de petits cancers invasifs des ganglions lymphatiques. Il a considérablement réduit la charge de travail à lecture d'écran par rapport à la lecture standard, mais avait un taux de faux positif similaire.
L'utilisation de l'IA n'a pas affecté négativement les taux de réunions de consensus, de rappels ou de faux positifs. Ces résultats soulignent le potentiel de l'IA à augmenter la détection précoce du cancer du sein cliniquement pertinent sans augmenter les faux positifs.
