A estratégia de leitura híbrida para a triagem de mamografia reduz o ônus do trabalho do radiologista

Uma estratégia para a leitura híbrida para examinar a imagem de mamíferos, que os pesquisadores holandeses foram recuperados retrospectivamente por mais de 40.000 testes, reduziu o trabalho do trabalho no radiologista em 38 % sem alterar as taxas de detecção de câncer. O estudo, que enfatiza a confiança da inteligência artificial, foi publicado hoje em RaioJornal da Associação de Radiação da América do Norte (RSNA).

Sarah d. Ferbum, candidato a doutorado no Departamento de Fotografia Médica do Centro Médico da Universidade Radbod, na Holanda: “Embora o desempenho geral de modelos de inteligência artificial no mais recente estilo muito alto, a inteligência artificial às vezes cometa erros”. “Determinando os exames que a interpretação da inteligência artificial não é confiável. É muito importante permitir e melhorar o uso de modelos de inteligência artificial Exame de câncer de mama Programas. “

A estratégia de leitura híbrida inclui o uso de um grupo de leitores de radiologista e uma interpretação independente de inteligência artificial dos casos em que o modelo de inteligência artificial, além de melhor ou melhor do que o radiologista.

“Podemos alcançar esse nível de desempenho se o modelo de inteligência artificial fornecer não apenas uma avaliação da possibilidade de maligno (POM) de um estado, mas também uma classificação da confiança dessa avaliação”, disse Versom. “Infelizmente, o próprio POM nem sempre é uma boa indicação de certeza, porque as redes nervosas profundas tendem a ter confiança em suas previsões”.

Para desenvolver e avaliar uma estratégia de leitura mista, os pesquisadores usaram um conjunto de dados de 41.469 dados de exames de mama de 1522 mulheres (idade média de 59 anos) com 332 cânceres descobertos na tela e 34 cânceres de separação. Os exames foram realizados entre 2003 e 2018 em Utrecht, na Holanda, como parte do Programa Nacional de Exame de Câncer de Mama Holandês.

O conjunto de dados no nível do paciente foi dividido em dois grupos iguais com detecção de câncer idêntica, convocação e câncer de separação. O primeiro grupo foi usado para determinar os limiares ideais da estratégia de leitura híbrida, enquanto o segundo grupo foi usado para avaliar as estratégias de leitura.

Entre as escalas de incerteza que foram avaliadas pelos pesquisadores, a entrada média do POM no grau na área mais suspeita da taxa de detecção de câncer de 6,6 por 1000 casos e uma taxa de chamada de 23,7 por 1000 casos, como taxas de leitura dupla padrão por radiologistas.

A estratégia final de leitura híbrida da Anistia Internacional incluiu a avaliação de todas as imagens de mama X -Ray para produzir dois diretores: POM e incerteza dessa previsão. Quando a inteligência artificial determinou que o POM era menor que o esqueleto em vigor, a questão era considerada normal. Quando descobri a inteligência do POM acima do limite especificado, as mulheres foram chamadas para mais testes, mas somente quando essa previsão estava confiante. Caso contrário, o exame foi de leitura dupla por radiologistas.

Embora a maioria das decisões de inteligência artificial não tenha sido confirmada e adiada para o leitor humano, 38 % foram classificados como certos e podem ser lidos apenas por inteligência artificial. Usando a estratégia dos pesquisadores, reduza a carga de ler um radiologista para 61,9 % sem alterar a convocação (23,6 ‰ em comparação com 23,9 ‰) ou taxas de detecção de câncer (6,6 ‰ em comparação com 6,7 ‰), ambas semelhantes às da leitura dupla padrão.

Quando o modelo de inteligência artificial foi confirmado, a área abaixo da curva (AUC) era superior (0,96 versus 0,87). Sua sensibilidade era quase idêntica à leitura de radiologista dupla (85,4 % em comparação com 88,9 %). Mulheres mais jovens com seios grossos eram mais propensos a serem incertos.

“O principal ingrediente em nosso estudo não é necessariamente que essa é a melhor maneira de dividir o ônus do trabalho, mas é útil que determinar a quantidade de incerteza seja incorporado em modelos de inteligência artificial”, disse Ferboum. “Espero que esses produtos comerciais sejam integrados em seus modelos, porque acho que é uma escala muito útil”.

Ferboum observou que, se os resultados do estudo ocorrerem na prática clínica, a decisão de convocar 19 % das mulheres será tomada pela inteligência artificial sem a intervenção de um radiologista.

“Vários estudos mostraram que mulheres que participam de programas de exame de câncer de mama têm situações positivas sobre o uso da inteligência artificial”, disse ela. “No entanto, a maioria das mulheres prefere ler as imagens de mama X -Ray por pelo menos um radiologista”.

Ela disse que pode ser mais aceitável para os radiologistas revisarem os exames que a inteligência artificial considera, bem como casos de chamar inteligência artificial.

“O uso da inteligência artificial com medição quantitativa da incerteza pode ser uma solução possível para o trabalho da força de trabalho e pode ajudar a criar confiança na implementação da inteligência artificial”, disse Ferboum.

Ferroum disse que mais pesquisas, perfeitamente, é uma necessidade de uma possível experiência, para determinar como a carga de trabalho alcançada pela estratégia de leitura híbrida pode reduzir o tempo de leitura para o radiologista.

“Acho que no futuro, podemos chegar a um ponto em que uma parte das mulheres é enviada para a casa sem que o radiologista olhasse para os mamíferos X -Ray porque a inteligência artificial determinará que o teste deles é normal”, disse ela. “Ainda não estamos lá, mas acho que podemos chegar lá com a escala de incerteza e controle de qualidade”.

Este estudo faz parte do projeto Airad, financiado pelo Conselho de Pesquisa Holandesa, pela Sociedade de Câncer Holandês e pela Saúde da Holanda.