Модель прогнозирования риска рака молочной железы на основе искусственного интеллекта достигла высокой точности в расово и этнически разнообразной популяции в исследовании, опубликованном в журнале JAMA Network Open . 

Исследователи под руководством доктора философии Шу Цзяна из Вашингтонского университета в Сент-Луисе, штат Миссури, сообщили, что их модель искусственного интеллекта, которая генерировала показатели риска маммографии на основе как текущих, так и предыдущих маммографий, показала хорошие результаты среди различных расовых и этнических групп в общепровинциальной программе скрининга, начиная с 40-летнего возраста. 

«Динамическая модель прогнозирования риска, используемая в этом прогностическом исследовании, в полной мере использует личные маммограммы каждой женщины для персонализированного долгосрочного прогнозирования риска», — пишут Цзян и соавторы.  

Исследователи продолжают изучать потенциал ИИ в визуализации груди, и исследования показывают потенциал инструментов ИИ, выступающих в качестве вспомогательной роли. Однако одна проблема, которая остается, заключается в том, как эти инструменты могут быть обобщены среди различных групп населения, учитывая, что рак груди не является болезнью, подходящей всем.  

Цзян и коллеги проверили эффективность своей динамической модели прогнозирования риска, включающей предыдущие маммограммы, которая ранее была проверена на чернокожих и белых женщинах. Они протестировали модель в общепровинциальной программе скрининга в Британской Колумбии, где маммографический скрининг груди начинается в возрасте 40 лет и проводится раз в два года. 

Окончательный анализ включал 206 929 женщин со средним возрастом 56,1 года. Из общего числа 118 093 женщин сообщили данные о расе. Это включало 34 266 женщин Восточной Азии, 1 946 женщин, которые указали себя как коренные народы, 6 116 женщин Южной Азии и 66 742 белые женщины. Команда обнаружила 4 168 диагностированных случаев рака груди, подтвержденных патологией, со средним периодом наблюдения 5,3 года. 

Используя до четырех лет предыдущих маммограмм в дополнение к самым последним маммограммам, модель достигла площади под рабочей кривой приемника (AUROC) 0,78 на основе анализа одних только изображений. Она также достигла последовательных результатов во всех субпопуляциях исследования. Сюда вошли следующие значения AUROC: 0,77 у женщин Восточной Азии, 0,77 у женщин коренных народов и 0,75 у женщин Южной Азии. 

При стратификации по возрасту модель достигла значений AUROC 0,76 для женщин в возрасте 50 лет и моложе и 0,8 для женщин старше 50 лет. 

Наконец, группа сообщила о 18 839 женщинах с пятилетним риском более 3%, включая положительную прогностическую ценность 4,9% и заболеваемость 11,8 на 1000 человеко-лет. 

Авторы исследования пишут, что, наряду с точностью оценки риска маммографии, модель может помочь улучшить использование ресурсов при скрининге рака молочной железы, сделав оценку риска более осуществимой и доступной. 

«Учитывая глобальное бремя рака молочной железы среди женщин, а также диапазон интервалов скрининга и начального возраста в программах скрининга, крайне важно использовать имеющиеся данные изображений для более точной оценки риска, чтобы направлять точную профилактику и максимизировать пользу для населения», — пишут они. 

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.