مقدمه
سرطان پستان شایعترین نوع سرطان در زنان است. ماموگرافی یک روش غربالگری مهم برای تشخیص سرطان پستان است. تشخیص دقیق سرطان پستان در مراحل اولیه برای درمان موفقیتآمیز ضروری است.
در این مطالعه، ما عملکرد تشخیصی بین رادیولوژیستها با مرجع اطلاعات بالینی و تشخیص مستقل هوش مصنوعی (AI) برای سرطان پستان در ماموگرافی دیجیتال را مقایسه کردیم.
روشها
این مطالعه شامل ۳۹۲ زن (میانگین سنی: 1/57 سال، محدوده: ۳۰ تا ۹۴ سال) بود که بین ژانویه ۲۰۱۰ تا ژوئن ۲۰۲۱ مبتلا به سلولهای سرطانی بدخیم بودند و قبل از بیوپسی تحت ماموگرافی دیجیتال قرار گرفتند. دو رادیولوژیست یافتههای ماموگرافی را بر اساس علائم بالینی و ماموگرافی قبلی ارزیابی کردند. همه ماموگرافیها از طریق هوش مصنوعی آنالیز شدند.
عملکرد تشخیص سرطان پستان بین رادیولوژیستها و هوش مصنوعی بر اساس همخوانی محل ضایعه بین هر روش تجزیه و تحلیل (رادیولوژیستها یا AI) با نتایج پاتولوژیک، مقایسه شد. برای اندازهگیری تطابق بین تجزیه و تحلیل رادیولوژیستها یا تجزیه و تحلیل هوش مصنوعی با نتایج پاتولوژی از ضریب کاپا استفاده شد. تجزیه و تحلیل برگشتی استدلالی دو جملهای برای شناسایی عوامل موثر بر تطابق بین تجزیه و تحلیل رادیولوژیستها و نتایج پاتولوژی انجام شد.
نتایج
به طور کلی، تطابق در تشخیص رادیولوژیستها بیشتر از آنالیز هوش مصنوعی بود (ضریب کاپا: ۸۱/۹ در مقابل ۶۹/۸). تاثیر ماموگرافی قبلی (نسبت شانس (OR): ۵۵/۸، p > ۰۰۰۱)، علائم بالینی (OR: ۴۹/۵، p > ۰۰۰۱)، و تراکم پستان با چربی زیاد (OR: ۱۸/۵، p = ۰۰۰۸) عوامل مهمی بودند که در همخوانی تعیین محل ضایعه بین تشخیص رادیولوژیست و نتایج پاتولوژی نقش داشتند.
نتیجهگیری
در نتیجه، در عمل بالینی واقعی تفسیر رادیولوژیستها از ماموگرافی نسبت به تحلیل الگوریتم هوش مصنوعی در تشخیص سرطان پستان از طریق ماموگرافی دیجیتال برتر است. بر اساس مقایسه با عکس قبلی و با توجه به علائم بالینی، ارزیابی توسط متخصصان انسانی به طور قابل توجهی دقت تفسیر ماموگرافی را بهبود بخشید.
اگرچه کاهش حجم کار رادیولوژیستها از طریق تریاژ ماموگرافی منفی یکی از مزایای هوش مصنوعی است، هوش مصنوعی محدودیتی دارد که نمیتواند به اطلاعات بالینی مختلف در فرآیند تجزیه و تحلیل مراجعه کند. بنابراین، اگر بیمار علائمی دارد یا ماموگرافیهای قبلی انجام داده است، باید تایید توسط رادیولوژیست در نظر گرفته شود، حتی اگر AI آن را به عنوان ماموگرافی منفی طبقهبندی کند. تراکم پستان بر تشخیص ضایعات بدخیم هم در تشخیص رادیولوژیستها و هم در آنالیز هوش مصنوعی تأثیر میگذارد. همچنین لازم است امتیاز مرجع مناسب برای استفاده بالینی هوش مصنوعی اعتبار سنجی شود.