Modely RSNA AI Challenge ukazují vynikající výkon pro detekci rakoviny prsu na mamogramech

Algoritmy předložené pro výzvu AI pořádané Radiologickou společností Severní Ameriky (RSNA) ukázaly vynikající výkon pro detekci rakoviny prsu na mamografických obrázcích, zvyšování citlivosti na screening při zachování nízkých stahování, podle studie zveřejněné dnes v RadiologiePremier Journal of the RSNA.

Screeningová mamografie RSNA pro detekci rakoviny prsu AI byla soutěž s davem, která se konala v roce 2023, s více než 1 500 týmy. The Radiologie Článek podrobně popisuje analýzu výkonu algoritmů vedené Yan Chen, Ph.D., profesorem screeningu rakoviny na University of Nottingham ve Velké Británii.

Byli jsme ohromeni objemem soutěžících a počtem algoritmů AI, které byly předloženy v rámci výzvy. Je to jedna z nejuznávanějších výzev RSNA AI. Byli jsme také ohromeni výkonem algoritmů vzhledem k relativně krátkému okně, které umožnilo vývoj algoritmů a požadavek na zdroj dat tréninku z lokalit s otevřeným zdrojem. “

Yan Chen, Ph.D., profesor pro screening rakoviny, University of Nottingham

Cílem výzvy bylo získat modely AI, které zlepšují automatizaci detekce rakoviny při screeningu mamogramů, pomáhat radiologům pracovat efektivněji, zlepšovat kvalitu a bezpečnost péče o pacienta a potenciálně snižovat náklady a zbytečné lékařské postupy.

RSNA pozvala účast týmů po celém světě. Emory University v Atlantě v Gruzii a Victoria z přípravy v Austrálii poskytla školení o datovém souboru přibližně 11 000 obrázků pro screening prsu a účastníci výzvy mohli také získat veřejně dostupné údaje o jejich algoritmech.

Výzkumný tým prof. Chena vyhodnotil 1 537 pracovních algoritmů předložených této výzvě a testoval je na sadě 10 830 jednorázových zkoušek, které byly kompletně odděleny od tréninkového datového souboru-které byly potvrzeny patologickými výsledky jako pozitivní nebo negativní pro rakovinu.

Celkově algoritmy přinesly střední míru 98,7% specificity pro potvrzení rakoviny na mamografických obrazech, 27,6% citlivosti pro pozitivně identifikaci rakoviny a míru stažení-procento případů, které AI posuzovala pozitivní z 1,7%. Když vědci kombinovali algoritmy Top 3 a Top 10, zvýšila citlivost na 60,7%, respektive 67,8%.

„Při souboji nejvyšších záznamů jsme byli překvapeni, že různé algoritmy AI byly tak doplňkové a identifikovaly různé rakoviny,“ řekl prof. Chen. „Algoritmy měly prahové hodnoty, které byly optimalizovány pro pozitivní prediktivní hodnotu a vysokou specificitu, takže různé rysy rakoviny na různých obrazech spustily vysoké skóre odlišně pro různé algoritmy.“

Podle vědců vytvořilo soubor 10 algoritmů s nejlepším výkonem vyvolaný výkon, který je blízký průměrnému screeningovému radiologovi v Evropě nebo Austrálii.

Jednotlivé algoritmy vykazovaly významné rozdíly ve výkonu v závislosti na faktorech, jako je typ rakoviny, výrobce zobrazovacího zařízení a klinické místo, kde byly obrázky získány. Celkově měly algoritmy větší citlivost pro detekci invazivních rakovin než pro neinvazivní rakoviny.

Protože mnoho z modelů AI účastníků je open source, výsledky výzvy mohou přispět k dalšímu zlepšení experimentálních i komerčních nástrojů AI pro mamografii, s cílem zlepšit výsledky rakoviny prsu po celém světě, vysvětlil Prof. Chen.

„Uvolnění algoritmů a komplexního zobrazovacího datového souboru veřejnosti poskytují účastníci cenné zdroje, které mohou řídit další výzkum a umožnit benchmarking, který je vyžadován pro efektivní a bezpečné integraci AI do klinické praxe,“ uvedla.

Výzkumný tým plánuje provést následné studie, aby srovnával výkonnost algoritmů nejvyšších výzev proti komerčně dostupným produktům pomocí většího a rozmanitějšího datového souboru.

„Kromě toho prozkoumáme účinnost menších a náročnějších testovacích sad s robustními referenčními referátory, jako jsou ty, které vyvinuly programové programy,“ uvedl britský program pro hodnocení a zajištění kvality radiologického výkonu jako přístupu k hodnocení AI a porovnával jeho užitek s velkým datovým datovým sazím, “uvedl Prof. Chen.

RSNA každoročně pořádá výzvu AI, přičemž letošní soutěž hledá podání modelů, které pomáhají detekovat a lokalizovat intrakraniální aneuryzma.