ERS 2021: czyste guzki płucne z AI

Nic dziwnego, że „głębokie uczenie” i sztuczna inteligencja (AI) odgrywają tak ważną rolę w radiologii – w końcu dane obrazowe są dostępne w postaci cyfrowej do przetwarzania za pomocą algorytmów komputerowych – wyjaśnia dr. Annemiek Snoeckx, radiolog z Uniwersytetu w Antwerpii w Belgii [1]. Jednak wcale nie jest oczywiste, że ocena guzków płucnych jest lepsza w przypadku sztucznej inteligencji niż samego radiologa. W diagnostycznych prześwietleniach klatki piersiowej jej kolega Komputer „przeoczył” w różnych badaniach nawet jedną czwartą raków płuc widocznych dla wprawnego oka, relacjonowała na Kongresie ERS 2021. Jednak w tej sytuacji pojawiły się już przesłanki, że radiolodzy i Sztuczna inteligencja osiągnęłaby razem lepsze wyniki niż obie w pojedynkę.

Wyzwania w CT płuc

W badaniu przesiewowym NLST, tomografia komputerowa (CT) płuc nie pozwoliła radiologom wykryć do 9% raków w początkowej CT. Przyczyną był błąd ludzki, presja czasu lub wyczerpanie [2]. Jednoczesna ocena przez dwóch radiologów poprawia prawidłowe wykrywanie, ale jest czasochłonna i kosztowna. Dlatego w grę wchodzi sztuczna inteligencja. Zaletą sztucznej inteligencji jest możliwie dokładniejsze oszacowanie wielkości guzka za pomocą wolumetrycznej oceny trójwymiarowej, którą można sukcesywnie ulepszać za pomocą algorytmów głębokiego uczenia.Oprócz rozmiaru i tempa wzrostu zautomatyzowana ocena cyfrowych danych CT może również pomóc w lepszej ocenie kształtów, wzorów lub tekstur. Ponadto istnieją tylko właściwości wykrywalne radiologicznie, „radiomika”, które mogłyby w przyszłości pozwolić na dodatkową klasyfikację stad – pole do dalszych projektów badawczych – podkreślił Snoeckx.

Sztuczna inteligencja jest tak dobra jak radiolodzy – co teraz?

W międzyczasie algorytmy głębokiego uczenia się rozwinęły się tak, że mogą wykrywać guzki w płucach w tomografii komputerowej o małej dawce (LDCT) tak samo dobrze jak radiolodzy, na przykład retrospektywna ocena zewnętrznej walidacji trzech kohort jednego duńskiego raka płuca badania przesiewowe pokazują [3]. Rodzi to pytanie, gdzie AI pasuje do przepływu pracy. Obecnie dostępne systemy komercyjne wykorzystują sztuczną inteligencję po ocenie przez specjalistę radiologa lub w tym samym czasie: Radiolog dysponuje wynikami sztucznej inteligencji równolegle do swojej oceny, aby wspólnie zinterpretować wyniki. Jednak do pomyślenia byłoby również, aby sztuczna inteligencja była wykorzystywana w pierwszej kolejności, a wyspecjalizowany personel tylko do analizy wyników, które są tam widoczne, lub w dłuższej perspektywie tylko, aby AI przejęła ocenę.

Dowody wciąż słabe

Ale do tego czasu jest jeszcze długa droga. Niedawna analiza radiologicznych systemów sztucznej inteligencji ogólnie wykazała, że ​​64 na 100 produktów nie miało dowodów z recenzowanych czasopism [4]. W przypadku dwóch trzecich pozostałych systemów recenzowane, opublikowane wyniki odnosiły się jedynie do trafności diagnostycznej (poziom dowodów 2), a tylko 18 mogło również przedstawić dowody na poziomie 3, tj. miało możliwy wpływ stosowania systemu na myślenie diagnostyczne, zdarzenia związane z pacjentem lub zbadane pod kątem kosztów.

perspektywy

Algorytmy sztucznej inteligencji będą nadal ewoluować, ale walidacja w dużych kohortach jest niezbędna, podkreślił Snoeckx.Randomizowane, kontrolowane badania nie są wymagane do zatwierdzenia takich technik i dlatego są rzadko dostępne. Przynajmniej algorytmy powinny być oceniane wielocentrycznie. W odniesieniu do LDCT do badań przesiewowych w kierunku raka płuc ważne byłoby nie tylko zidentyfikowanie podejrzanych okrągłych ognisk, ale także opracowanie algorytmów, które mogą jak najdokładniej wykrywać patologicznie potwierdzone ogniska nowotworowe. W przyszłości sztuczna inteligencja będzie również odgrywać rolę w opartej na wytycznych kontroli guzków, mówi radiolog. W dalszym wdrażaniu ważną rolę odgrywają również kwestie prawne i ekonomiczne.