AI-gestuurde mammografie verlaagt werklast met 33% en verhoogt detectie van borstkanker

In een recent onderzoek, gepubliceerd in het tijdschrift Radiology, voerden onderzoekers uit Denemarken en Nederland een retrospectieve analyse uit van de effectiviteit van screening en de algehele belasting van mammografiescreening vóór en na de introductie van systemen met kunstmatige intelligentie (AI).

Regelmatige mammografiescreening op borstkanker verlaagt de sterfte door deze ziekte aanzienlijk. Massale mammografiescreening verhoogt echter de werklast van radiologen die veel mammografieën moeten analyseren, waarvan de meeste geen verdachte afwijkingen vertonen.

Bovendien verhoogt dubbele screening, die wordt gebruikt om vals-positieve uitslagen te verminderen en de detectie te verbeteren, de werkdruk van radiologen verder. Het tekort aan gespecialiseerde radiologen die mammografieën kunnen beoordelen, verergert deze situatie.

Recente studies hebben het gebruik van AI uitgebreid onderzocht om radiologierapporten efficiënt te analyseren en tegelijkertijd hoge screeningsnormen te handhaven. Een gecombineerde aanpak waarbij AI radiologen helpt bij het markeren van mammogrammen met gemarkeerde laesies, zou de werklast van radiologen verminderen en tegelijkertijd de screeningsgevoeligheid behouden.

In het huidige onderzoek zijn voorlopige prestatiemetingen van twee cohorten vrouwen gebruikt die een mammografiescreening ondergingen als onderdeel van het Deense nationale borstkankerscreeningprogramma. Hiermee werden de veranderingen in screeningslast en prestaties na de introductie van AI-hulpmiddelen vergeleken.

Vrouwen tussen de 50 en 69 jaar werden in het kader van het programma uitgenodigd om zich elke twee jaar te laten screenen tot ze 79 jaar oud waren. Vrouwen met markers die wezen op een verhoogd risico op borstkanker, zoals de BRCA-genen, werden gescreend volgens verschillende protocollen.

De onderzoekers gebruikten twee cohorten vrouwen: één gescreend vóór de introductie van het AI-systeem en één erna. De analyse omvatte alleen vrouwen jonger dan 70 jaar om vrouwen in een subgroep met een hoog risico uit te sluiten.

Alle deelnemers ondergingen gestandaardiseerde protocollen met digitale mammografie met craniocaudaal en mediolateraal schuin beeld. Alle positieve gevallen in deze studie werden geïdentificeerd door screening op ductaal carcinoom of invasieve kanker, wat werd bevestigd door middel van een naaldbiopsie. Gegevens over pathologierapporten, laesiegrootte, lymfeklierbetrokkenheid en diagnoses werden ook verkregen uit een nationaal gezondheidsregister.

Het AI-systeem dat de mammogrammen analyseerde, werd getraind met deep learning-modellen om verdachte verkalkingen of knobbeltjes op het mammogram te detecteren, te markeren en te scoren. De AI classificeerde de screenings vervolgens op een schaal van 1 tot 10, wat de kans op borstkanker aangeeft.

Een team van overwegend ervaren radiologen beoordeelde de mammogrammen van beide cohorten. Vóór het AI-systeem werd elke screening door twee radiologen beoordeeld, en werd een patiënt alleen een klinisch onderzoek en een naaldbiopsie aanbevolen als beide radiologen van mening waren dat de screening nader onderzoek behoefde.

Nadat het AI-systeem was geïmplementeerd, werden mammogrammen met een score van 5 of lager beoordeeld door een senior radioloog, wetende dat ze slechts één keer beoordeeld zouden worden. Mammogrammen die nader onderzoek vereisten, werden besproken met een tweede radioloog.

Uit het onderzoek bleek dat de implementatie van het AI-systeem de werklast van radiologen die mammografieën analyseren als onderdeel van grootschalige borstkankerscreening aanzienlijk verminderde en tegelijkertijd de effectiviteit van de screening verbeterde.

Het cohort dat vóór de invoering van het AI-systeem werd gescreend, bestond uit meer dan 60.000 vrouwen, terwijl het cohort dat met AI werd gescreend ongeveer 58.000 vrouwen omvatte. Screening met AI resulteerde in een toename van het aantal borstkankerdiagnoses (0,70% vóór AI versus 0,82% met AI), terwijl het aantal valspositieve uitslagen afnam (2,39% versus 1,63%).

AI-gebaseerde screening had een hogere positief voorspellende waarde en het percentage invasieve kankers was lager met AI-gebaseerde methoden. Hoewel het percentage lymfekliernegatieve kankers niet veranderde, lieten andere prestatie-indicatoren zien dat AI-gebaseerde screening de uitkomsten significant verbeterde. De leesbelasting werd ook met 33,5% verminderd.

Samenvattend beoordeelde het onderzoek de effectiviteit van een op AI gebaseerd screeningsysteem bij het verminderen van de werklast van radiologen en het verbeteren van de screeningpercentages bij mammografie-analyse als onderdeel van massale borstkankerscreening in Denemarken.

Uit de resultaten bleek dat het op AI gebaseerde systeem de werklast van radiologen aanzienlijk verminderde en tegelijkertijd de screeningspercentages verbeterde. Dit bleek uit een significante toename van het aantal diagnoses voor borstkanker en een significante afname van het aantal fout-positieve uitslagen.