هوش مصنوعی طبقه بندی دقیق تراکم سینه را ارائه می دهد –

تراکم پستان نشان دهنده مقدار بافت فیبروگلندولار در پستان است که معمولاً در ماموگرافی دیده می شود. تراکم بالای سینه یک عامل خطر مستقل سرطان سینه است و اثر پوشاندن آن بر ضایعات زمینه ای حساسیت ماموگرافی را کاهش می دهد. در نتیجه، بسیاری از ایالت‌های ایالات متحده قوانینی دارند که به زنانی که سینه‌های متراکم دارند، پس از انجام ماموگرافی مطلع می‌شوند تا بتوانند آزمایش‌های تکمیلی را برای بهبود تشخیص سرطان انجام دهند.

در عمل بالینی، تراکم پستان به صورت بصری بر روی ماموگرافی‌های دو نمایی ارزیابی می‌شود، که معمولاً با مقیاس چهار طبقه‌ای سیستم تصویربرداری-گزارش و داده‌های سینه کالج آمریکایی رادیولوژی (BI-RADS)، از رده A برای سینه‌های تقریباً کاملاً چرب تا دسته D برای بسیار متراکم. این سیستم دارای محدودیت‌هایی است، زیرا طبقه‌بندی بصری مستعد تغییرپذیری بین ناظر یا تفاوت در ارزیابی‌های بین دو یا چند نفر و تنوع درون ناظر یا تفاوت‌هایی است که در ارزیابی‌های مکرر توسط یک شخص ظاهر می‌شود.

برای غلبه بر این تنوع، محققان ایتالیایی نرم‌افزاری را برای طبقه‌بندی تراکم سینه‌ها بر اساس نوع پیچیده‌ای از هوش مصنوعی به نام یادگیری عمیق با شبکه‌های عصبی کانولوشنال توسعه دادند، نوع پیچیده‌ای از هوش مصنوعی که قادر به تشخیص الگوهای ظریف در تصاویر فراتر از توانایی‌های چشم انسان است. . محققان این نرم افزار موسوم به TRACE4BDensity را تحت نظارت هفت رادیولوژیست مجرب آموزش دادند که به طور مستقل 760 تصویر ماموگرافی را ارزیابی کردند.

اعتبار سنجی خارجی ابزار توسط سه رادیولوژیست نزدیک به توافق بر روی مجموعه داده ای از 384 تصویر ماموگرافی به دست آمده از یک مرکز مختلف انجام شد.

TRACE4BDensity دقت 89% را در تمایز بین بافت پستان با چگالی کم (BI-RADS دسته A و B) و چگالی بالا (BI-RADS دسته C و D) نشان داد، با توافق 90٪ بین ابزار و سه خواننده. همه اختلاف نظرها در دسته های BI-RADS مجاور بودند.

سرجیو پاپا، MD، یکی از نویسندگان این مطالعه، از مرکز تشخیص ایتالیایی در میلان، ایتالیا گفت: “ارزش خاص این ابزار امکان غلبه بر تکرارپذیری غیربهینه طبقه بندی چگالی بصری انسان است که کاربرد عملی آن را محدود می کند.” داشتن یک ابزار قوی که تخصیص چگالی را به شیوه ای استاندارد پیشنهاد می کند، ممکن است در تصمیم گیری کمک زیادی کند.

به گفته محققان، چنین ابزاری به ویژه ارزشمند خواهد بود، زیرا غربالگری سرطان پستان شخصی‌تر می‌شود و ارزیابی تراکم یکی از عوامل مهم در طبقه‌بندی خطر است.

دکتر فرانچسکو ساردانلی، یکی از نویسندگان این مطالعه، از IRCCS Policlinico San گفت: “ابزاری مانند TRACE4BDensity می تواند به ما کمک کند به زنانی که سینه های متراکم دارند، پس از ماموگرافی منفی، غربالگری تکمیلی با سونوگرافی، MRI یا ماموگرافی با کنتراست را انجام دهند.” دوناتو در سن دوناتو، ایتالیا.

محققان برای درک بهتر قابلیت های کامل نرم افزار، مطالعات بیشتری را برنامه ریزی می کنند.

دکتر کریستین سالواتوره، یکی از نویسندگان این مطالعه گفت: «ما می‌خواهیم ابزار هوش مصنوعی TRACE4BDensity را، به‌ویژه در کشورهایی که مقررات مربوط به تراکم زنان در آن‌ها فعال نیست، با ارزیابی سودمندی چنین ابزاری برای رادیولوژیست‌ها و بیماران ارزیابی کنیم.» محقق ارشد، دانشکده دانشگاه برای مطالعات پیشرفته IUSS Pavia و یکی از بنیانگذاران و مدیر اجرایی DeepTrace Technologies.

“توسعه و اعتبار سنجی یک ابزار طبقه بندی تراکم پستان ماموگرافی مبتنی بر هوش مصنوعی بر اساس اجماع رادیولوژیست.” همکاری با Dr. پاپا، ساردانلی و سالواتوره عبارت بودند از ورونیکا مگنی، دکتر ماتئو اینترلنگی، کارشناسی ارشد، آندریا کوزی، دکتر مارکو آلی، دکتری، آلسید آ. آزنا، دکتر دیوید کاپرا، سرنا کاریرو، دکتر، جیانمارکو. دکتر دلا پپا، دبورا فازینی، MD، جوزپه گراناتا، کاترینا بی. مونتی، دکترای دکتری، جولیا موسکوگیوری، MD، جوزپه پلگرینو، دکتر سیمون شیافینو، و ایزابلا کاستیلیونی، M.Sc. ، MBA