Η Τεχνητή Νοημοσύνη φαίνεται ότι μπορεί να αντλήσει από μια φαινομενικά αρνητική μαστογραφία πληροφορίες που ενδέχεται να προειδοποιούν για την εμφάνιση καρκίνου του μαστού αρκετά χρόνια πριν από την τελική διάγνωση.
Αυτό προκύπτει από νέα διεθνή μελέτη που δημοσιεύθηκε στο επιστημονικό περιοδικό Radiology της Radiological Society of North America (RSNA), στην οποία συμμετείχαν και δύο Έλληνες επιστήμονες, ο ακτινολόγος Παντελής Γιαλιάς και η ερευνήτρια Αποστολία Τσιρίκογλου.
Ανάλυση σχεδόν 89.000 μαστογραφιών
Οι ερευνητές εξέτασαν αναδρομικά 88.963 μαστογραφικές εξετάσεις από 31.394 γυναίκες που είχαν συμμετάσχει σε προγράμματα προσυμπτωματικού ελέγχου στη Σουηδία.
Για την ανάλυση χρησιμοποιήθηκαν τρία διαφορετικά εμπορικά συστήματα Τεχνητής Νοημοσύνης. Οι επιστήμονες διερεύνησαν κατά πόσο οι βαθμολογίες πιθανότητας καρκίνου που έδιναν οι αλγόριθμοι σε παλαιότερες μαστογραφίες ήταν υψηλότερες στις γυναίκες που τελικά διαγνώστηκαν με καρκίνο του μαστού, συγκριτικά με όσες δεν εμφάνισαν τη νόσο.
Τα αποτελέσματα υποδεικνύουν ότι σε ένα ποσοστό των περιστατικών οι αλγόριθμοι μπορούν να αναγνωρίσουν πολύ πρώιμες μεταβολές στις εικόνες αρκετά χρόνια πριν αυτές οδηγήσουν σε κλινική διάγνωση.
«Σήμα» ακόμη και έξι χρόνια νωρίτερα
Ιδιαίτερο ενδιαφέρον παρουσιάζει το εύρημα ότι περίπου ένας στους πέντε καρκίνους του μαστού μπορούσε να επισημανθεί από τα συστήματα AI ήδη έξι χρόνια πριν από τη διάγνωση, με παράλληλα χαμηλό ποσοστό ψευδώς θετικών ενδείξεων.
Η ικανότητα των συστημάτων να εντοπίζουν ύποπτα ευρήματα αυξανόταν όσο πλησίαζε η χρονική στιγμή της διάγνωσης. Συγκεκριμένα, περίπου 23%-25% των περιστατικών μπορούσαν να επισημανθούν τέσσερα χρόνια νωρίτερα, ενώ το ποσοστό ανερχόταν περίπου στο 35%-39% δύο χρόνια πριν από τη διάγνωση.
Τα ευρήματα δεν σημαίνουν ότι η Τεχνητή Νοημοσύνη μπορεί σήμερα να «διαγνώσει» έναν καρκίνο έξι χρόνια πριν αυτός γίνει κλινικά εμφανής. Δείχνουν, ωστόσο, ότι ορισμένες μαστογραφίες μπορεί ήδη να περιέχουν πολύ λεπτές αλλαγές, οι οποίες δεν είναι αρκετά εμφανείς για να προκαλέσουν περαιτέρω διερεύνηση, αλλά μπορούν να αναγνωριστούν από τους αλγορίθμους.
Τι μπορεί να αναγνωρίζει η AI
Ένα σημαντικό στοιχείο της έρευνας είναι ότι τα συστήματα που αξιολογήθηκαν δεν είχαν σχεδιαστεί ειδικά για την πρόβλεψη του μελλοντικού κινδύνου καρκίνου. Πρόκειται για εργαλεία που έχουν εκπαιδευτεί κυρίως να αναγνωρίζουν ύποπτα ευρήματα σε υπάρχουσες μαστογραφίες.
Παρόλα αυτά, οι βαθμολογίες πιθανότητας καρκίνου παρουσίαζαν σταδιακή αύξηση αρκετά χρόνια πριν από την τελική διάγνωση.
Σύμφωνα με τον Fredrik Strand, MD, PhD, από το Karolinska University Hospital της Στοκχόλμης και senior co-author της μελέτης, περίπου το 20% των περιστατικών φαίνεται να εμφανίζουν μαστογραφικά χαρακτηριστικά που μπορούν να γίνουν αντιληπτά από την AI περίπου έξι χρόνια πριν από τη διάγνωση.
Η παρατήρηση αυτή ενισχύει την υπόθεση ότι η τεχνολογία θα μπορούσε μελλοντικά να χρησιμοποιείται όχι μόνο ως υποστηρικτικό εργαλείο ανάγνωσης της μαστογραφίας, αλλά και ως μέσο διαστρωμάτωσης του κινδύνου.
Πιθανές εφαρμογές στον προσυμπτωματικό έλεγχο
Εφόσον τα αποτελέσματα επιβεβαιωθούν από περαιτέρω μελέτες, η προσέγγιση θα μπορούσε να επηρεάσει τον τρόπο οργάνωσης του προσυμπτωματικού ελέγχου για τον καρκίνο του μαστού.
Για παράδειγμα, μια γυναίκα με αρνητική μαστογραφία αλλά ασυνήθιστα υψηλή βαθμολογία από ένα σύστημα AI θα μπορούσε στο μέλλον να θεωρηθεί υποψήφια για στενότερη παρακολούθηση, συχνότερο επανέλεγχο ή συμπληρωματικές απεικονιστικές εξετάσεις, ανάλογα πάντα με το συνολικό προφίλ κινδύνου.
Ένα από τα πλεονεκτήματα της συγκεκριμένης προσέγγισης είναι ότι αξιοποιεί τις ίδιες τις εικόνες που παράγονται στο πλαίσιο του τακτικού screening, χωρίς να προϋποθέτει εξαρχής μια διαφορετική εξέταση.
Δεν αλλάζει ακόμη η κλινική πρακτική
Οι ερευνητές επισημαίνουν ότι ένα υψηλό AI score δεν σημαίνει απαραίτητα παρουσία ή μελλοντική εμφάνιση καρκίνου. Τα συγκεκριμένα εργαλεία δεν μπορούν ακόμη να προβλέψουν με βεβαιότητα ποιες γυναίκες θα αναπτύξουν τη νόσο.
Επιπλέον, η μελέτη ήταν αναδρομική, γεγονός που καθιστά απαραίτητη την επιβεβαίωση των αποτελεσμάτων σε προοπτικές μελέτες και διαφορετικούς πληθυσμούς πριν εξεταστεί οποιαδήποτε αλλαγή στις συστάσεις προσυμπτωματικού ελέγχου.
Τα νέα δεδομένα, ωστόσο, αναδεικνύουν μια σημαντική δυνητική εφαρμογή της Τεχνητής Νοημοσύνης στην πρόληψη: τη μετάβαση από τον ρόλο του απλού «δεύτερου αναγνώστη» μιας μαστογραφίας σε ένα εργαλείο που θα μπορούσε να συμβάλλει στον έγκαιρο εντοπισμό γυναικών οι οποίες χρειάζονται εντατικότερη παρακολούθηση, πολύ πριν ο καρκίνος γίνει εμφανής με τις συμβατικές διαγνωστικές μεθόδους.
