İngiltere’deki araştırmacılar, meme taraması yaparken bir yapay zeka (YZ) algoritması ile insan okuyucuların performansını standart bir değerlendirme ile karşılaştırdı. Bulguları, Kuzey Amerika Radyoloji Derneği’nin (RSNA) dergisi olan Radiology’de yayınlandı.
Mamografik tarama, her meme kanserini tespit edemiyor. Yanlış pozitif yorumlar, kanser olmayan kadınların gereksiz görüntüleme ve biyopsi yapmalarına neden olabiliyor. Tarama mamografisinin duyarlılığını ve özgüllüğünü artırmak için bir çözüm, her mamogramı iki okuyucunun yorumlamasıdır.
Araştırmacılara göre, çift okuma, kanser tespit oranlarını yüzde 6 ila 15 arasında artırırken geri çağırma oranlarını düşük tutuyor. Ancak, bu strateji işgücü yoğun ve okuyucu kıtlığı durumunda gerçekleştirmesi zor.
Nottingham Üniversitesi’nde dijital tarama profesörü olan Yan Chen, Ph.D., “Bu sorunları çözmek için YZ’yi hızla devreye sokmak için büyük bir baskı var, ancak kadınların sağlığını korumak için bunu doğru bir şekilde yapmamız gerekiyor” dedi.
Prof. Chen ve araştırma ekibi, İngiltere’nin Ulusal Sağlık Hizmetleri Meme Tarama Programı (NHSBSP) tarafından kullanılan Kişisel Performans Mamografik Taramada veya PERFORMS kalite güvence değerlendirmesinden test setlerini kullanarak insan okuyucuların YZ ile performanslarını karşılaştırdı. Tek bir PERFORMS testi, anormal, benign ve normal bulguları olan NHSBSP’den 60 zorlu sınavı içerir. Her test mamogramı için, okuyucunun skoru YZ sonuçlarının gerçek değeriyle karşılaştırılır.
“Meme kanseri taramasında çalışan insan okuyucuların tatmin edici bir performans sergilemesi gerçekten önemli” dedi. “Aynı şey, YZ klinik uygulamaya girdiğinde de geçerli olacak.”
Araştırma ekibi, iki ardışık PERFORMS test setinden veya 120 tarama mamogramından veri kullandı ve YZ algoritmasının performansını değerlendirmek için aynı iki seti kullandı. Araştırmacılar, YZ test skorlarını 315’i (%57) sertifikalı radyolog ve 237’si radyograf ve meme klinisyeni olan 552 insan okuyucunun skorlarıyla karşılaştırdı.
“Çalışmamızdaki 552 okuyucu, NHSBSP’deki okuyucuların yüzde 68’ini temsil ediyor, bu da insan okuyucular ile YZ arasında sağlam bir performans karşılaştırması sağlıyor” dedi Prof. Chen.
Her meme ayrı ayrı ele alındığında, 240 memenin 161’i (%67) normal, 70’i (%29) malign ve 9’u (%4) benign bulundu. Kitleler en yaygın malign mamografik özellikti (70/45 veya %64.3), ardından kalsifikasyonlar (70/9 veya %12.9), asimetri (70/8 veya %11.4) ve mimari bozulmalar (70/8 veya %11.4) geldi. Malign lezyonların ortalama boyutu 15.5 mm idi.
120 muayenedeki meme kanserinin tespitinde YZ ve insan okuyucular arasında performans farkı gözlemlenmedi. İnsan okuyucu performansı ortalama %90 duyarlılık ve %76 özgüllük gösterdi. YZ, insan okuyuculara kıyasla duyarlılık (%91) ve özgüllük (%77) açısından benzerdi.
“Bu çalışmanın sonuçları, meme kanseri taraması için YZ’nin insan okuyucular kadar iyi performans gösterebileceğine dair güçlü destekleyici kanıtlar sağlıyor” dedi Prof. Chen.
Prof. Chen, YZ’nin klinik uygulamada ikinci bir okuyucu olarak kullanılabilmesi için daha fazla araştırma yapılması gerektiğini belirtti.
“YZ’nin meme taramasında nasıl kullanılacağını söylemek için henüz çok erken” dedi. “Devam eden büyük prospektif klinik çalışmalar bize daha fazla bilgi verecek. Ancak YZ’yi nasıl kullanırsak kullanalım, sürekli performans izleme yeteneği başarısı için kritik olacak.”
Prof. Chen, YZ performansının zamanla değişebileceğini ve algoritmaların işletim ortamındaki değişikliklerden etkilenebileceğini belirtti.
“YZ’nin klinik uygulamanın bir parçası hale geldiğinde, görüntüleme merkezlerinin sürekli bir izleme süreci sağlaması hayati önem taşıyor” dedi. “Bugüne kadar, rutin kalite güvence test setlerinde bu kadar büyük bir insan okuyucu performansını YZ ile karşılaştıran başka hiçbir çalışma yok, bu yüzden bu çalışma, YZ performansının gerçek dünya ortamında değerlendirilmesi için bir model sağlayabilir.