La IA puede reducir los falsos positivos de las mamografías sin pasar por alto el cáncer

Según un nuevo estudio, el uso de inteligencia artificial para complementar las evaluaciones de las mamografías por parte de los radiólogos podría mejorar la detección del cáncer de mama al reducir los falsos positivos sin perder casos de cáncer.

Los investigadores desarrollaron un algoritmo que identificó mamografías normales con una sensibilidad muy alta. Luego realizaron una simulación con los datos de los pacientes para ver qué pasaría si todas las mamografías de bajo riesgo fueran eliminadas de los escritorios de los radiólogos, liberando a los médicos para concentrarse en las exploraciones más dudosas.

La simulación reveló que se llamaría a menos personas para realizar pruebas adicionales, pero se detectaría el mismo número de casos de cáncer.

«Los falsos positivos ocurren cuando llamas a un paciente para realizar pruebas adicionales y resulta ser benigno», explica el autor principal Richard L. Wahl, profesor de radiología en el Instituto Mallinckrodt de Radiología (MIR) de la Universidad de Washington y Profesor de radiación. oncología.

“Esto causa mucha ansiedad innecesaria a los pacientes y consume recursos médicos. Este estudio de simulación demostró que la IA puede identificar de manera confiable mamografías de muy bajo riesgo para reducir los falsos positivos y mejorar los flujos de trabajo”.

Wahl colaboró ​​anteriormente con Whiterabbit.ai en un algoritmo para ayudar a los radiólogos a juzgar la densidad mamaria en mamografías para identificar a las personas que pueden beneficiarse de pruebas de detección adicionales o alternativas. Ese algoritmo recibió la aprobación de la Administración de Alimentos y Medicamentos (FDA) en 2020 y ahora Whiterabbit.ai lo comercializa como WRDensity.

En el nuevo estudio, publicado en la revista Radiología: Inteligencia Artificial, Wahl y sus colegas de Whiterabbit.ai trabajaron juntos para desarrollar una forma de descartar el cáncer utilizando IA para evaluar mamografías. Entrenaron el modelo de IA en 123.248 mamografías digitales 2D (de las cuales 6.161 mostraban cáncer) que en su mayoría fueron recopiladas y leídas por radiólogos de la Universidad de Washington. Luego, validaron y probaron el modelo de IA en tres conjuntos de mamografías independientes, dos de instituciones de Estados Unidos y una del Reino Unido.

Primero, los investigadores descubrieron lo que hacían los médicos: cuántos pacientes fueron llamados para exámenes secundarios y biopsias; los resultados de esas pruebas; y la determinación final en cada caso. Luego, aplicaron IA a los conjuntos de datos para ver qué habría sido diferente si se hubiera utilizado IA para eliminar mamografías negativas en las evaluaciones iniciales y los médicos hubieran seguido procedimientos de diagnóstico estándar para evaluar el resto.

Por ejemplo, consideremos el conjunto de datos más grande, que contenía 11.592 mamografías. Cuando se amplió a 10.000 mamografías (para simplificar las matemáticas a efectos de simulación), la IA identificó el 34,9% como negativo. Si esas 3.485 mamografías negativas se eliminaran de la carga de trabajo, los radiólogos habrían realizado 897 devoluciones de llamadas para exámenes de diagnóstico, una reducción del 23,7% de las 1.159 que realmente hicieron. En el siguiente paso, 190 personas fueron llamadas por segunda vez para biopsias, una reducción del 6,9% con respecto a las 200 reales.

Al final del ensayo, tanto la exclusión de la IA como los enfoques de estándar de atención del mundo real identificaron los mismos 55 cánceres. En otras palabras, este estudio de IA sugiere que de 10.000 personas que se sometieron a mamografías iniciales, 262 podrían haber evitado los exámenes de diagnóstico y 10 podrían haber evitado las biopsias, sin perder ningún caso de cáncer.

«Al final del día, creemos en un mundo donde el médico es el superhéroe que encuentra el cáncer y ayuda a los pacientes a avanzar en su viaje», dice el coautor Jason Su, cofundador y director de tecnología de Whiterabbit.ai.

“La forma en que los sistemas de IA pueden ayudar es desempeñando un papel de apoyo. Al evaluar con precisión los negativos, puede ayudar a limpiar el heno del heno para que los médicos puedan encontrar la aguja más fácilmente.

“Este estudio muestra que la IA puede ser potencialmente muy precisa a la hora de identificar exámenes negativos. Más importante aún, los resultados mostraron que automatizar la detección de negativos también puede generar un enorme beneficio al reducir los falsos positivos sin cambiar la tasa de detección del cáncer».

Este trabajo fue financiado con fondos de Whiterabbit.ai Inc.

La Universidad de Washington tiene participaciones accionarias en Whiterabbit.ai Inc. y puede recibir ingresos por regalías y pagos por hitos de un «acuerdo de colaboración y licencia» con Whiterabbit.ai para desarrollar la tecnología evaluada en esta investigación. Wahl es el investigador principal de un contrato de investigación de Whiterabbit.ai. Estos acuerdos son gestionados por el Comité Institucional de Conflictos de Intereses de la Universidad de Washington.

Fuente: Universidad de Washington en St. Louis