การประเมิน AI ของภาพ 3D Digital Tomosynthesis อาจช่วยทำนายมะเร็งเต้านมได้

อัลกอริธึมปัญญาประดิษฐ์ (AI) ที่พัฒนาขึ้นเพื่อประเมินความหนาแน่นของเต้านมเชิงปริมาตร (VBD) จากภาพสามมิติ (3D) ที่สร้างขึ้นใหม่แบบดิจิตอล (DBT) แสดงให้เห็นศักยภาพในการศึกษาที่นำเสนอที่สมาคมรังสีวิทยาแห่งอเมริกาเหนือ (RSNA) ประจำปี 2565 การประชุม. ยิ่งไปกว่านั้น นักวิจัยพบว่าการประมาณ VBD ของอัลกอริทึม (ซึ่งไม่ต้องการข้อมูลภาพดิบ) และดัชนีมวลกาย (BMI) มีความสัมพันธ์กับความเสี่ยงมะเร็งเต้านม

Vinayak Ahluwalia, BSE, ผู้สมัคร MD จาก Perelman School of Medicine แห่งมหาวิทยาลัยเพนซิลเวเนีย, ฟิลาเดลเฟียและเพื่อนร่วมงานกล่าวว่า “เครื่องมือดังกล่าวสามารถเปิดใช้งานการประเมินความเสี่ยงทางระบาดวิทยาย้อนหลังขนาดใหญ่และส่วนบุคคลของความหนาแน่นของเต้านมด้วย DBT”

ในขณะที่การใช้ DBT เพิ่มขึ้นในการตรวจคัดกรองมะเร็งเต้านม วิธีการปัจจุบันประเมิน VBD จากภาพสองมิติ (2D) และมักจะต้องใช้ข้อมูล DBT ดิบ ซึ่งศูนย์ทางคลินิกไม่ค่อยจัดเก็บ ในการศึกษานี้ Ahluwalia และเพื่อนร่วมงานได้พัฒนาเครื่องมือคำนวณโดยอาศัยการเรียนรู้เชิงลึกสำหรับการประเมิน VBD โดยใช้ภาพ DBT ที่สร้างขึ้นใหม่แบบ 3 มิติเท่านั้น พวกเขายังวิเคราะห์ความสามารถของเครื่องมือในการประเมินความเสี่ยงมะเร็งเต้านมเฉพาะบุคคล

การศึกษารวมข้อมูลจากการตรวจคัดกรอง DBT เชิงลบ 1,080 รายการที่ได้รับระหว่างเดือนกันยายน 2554 ถึงพฤศจิกายน 2559 จากโรงพยาบาลแห่งมหาวิทยาลัยเพนซิลเวเนีย ภาพ DBT ทั้ง 2 มิติดิบและ 3 มิติที่สร้างขึ้นใหม่มีให้ใช้งานในมุมมองเอียงกะโหลกและกึ่งกลาง โดยมีทั้งหมด 7,850 มุมมอง อายุเฉลี่ยของผู้เข้าร่วมคือ 57 ปี ค่าดัชนีมวลกายเฉลี่ยอยู่ที่ 28.7 กก./ตร.ม. และเชื้อชาติของกลุ่มคือสีขาว 41.2 เปอร์เซ็นต์ คนผิวดำ 54.2 เปอร์เซ็นต์ และบุคคลอื่น ๆ 4.6 เปอร์เซ็นต์ นักวิจัยได้สร้างการแบ่งส่วนเนื้อเยื่อมาตรฐานอ้างอิง 3 มิติที่สอดคล้องกันจากซอฟต์แวร์ที่ได้รับการตรวจสอบก่อนหน้านี้ซึ่งใช้ทั้งชิ้นส่วนที่สร้างใหม่แบบ 3 มิติและข้อมูลดิบ 2 มิติของ DBT

Ahluwalia และเพื่อนร่วมงานได้ฝึกโมเดลการเรียนรู้เชิงลึก 3 มิติที่ใช้สถาปัตยกรรม U-Net เพื่อสร้างงานแบ่งส่วนภาพสามป้ายกำกับสำหรับพื้นหลัง เนื้อเยื่อหนาแน่น และเนื้อเยื่อไขมัน ชุดข้อมูลถูกสุ่มแบ่งออกเป็นการฝึกอบรม (ร้อยละ 70) การตรวจสอบความถูกต้อง (ร้อยละ 15) และชุดการทดสอบ (ร้อยละ 15) ป้ายกำกับได้รับการประเมินโดยรวมและแยกกันด้วยคะแนนลูกเต๋าถ่วงน้ำหนัก (DSC) โดย 0 หมายถึงไม่มีการทับซ้อนกัน และ 1 หมายถึงการทับซ้อนที่สมบูรณ์แบบ

เมื่ออัลกอริทึม AI ได้รับการประเมินในชุดการทดสอบอิสระ จะได้ DSC แบบไม่ได้ถ่วงน้ำหนักที่ 78 เปอร์เซ็นต์ และ DSC แบบถ่วงน้ำหนักที่ 56 เปอร์เซ็นต์ อัลกอริทึมแบ่งส่วนฉลากทั้งสามอย่างแม่นยำของพื้นหลัง เนื้อเยื่อไขมัน และเนื้อเยื่อหนาแน่นด้วย DSC ตามลำดับที่ 94 เปอร์เซ็นต์ 89 เปอร์เซ็นต์ และ 49 เปอร์เซ็นต์ อัลกอริทึม AI ดำเนินการในลักษณะเดียวกันในกลุ่มเชื้อชาติ ตามการศึกษา

นักวิจัยยังได้ประเมินว่า VBD ที่ประเมินจากอัลกอริธึมและค่าดัชนีมวลกายมีความสัมพันธ์กับความเสี่ยงมะเร็งเต้านมหรือไม่ ในชุดควบคุมผู้ป่วยอิสระ 193 รายที่เป็นมะเร็งเต้านม และผู้ป่วยควบคุม 714 รายจากระบบโรงพยาบาลเดียวกัน ผลการวิจัยพบว่า VBD (odds ratio เท่ากับ 1.27) และ BMI (odds ratio เท่ากับ 1.37) เป็นปัจจัยที่มีนัยสำคัญทางสถิติในการทำนายมะเร็งเต้านมเฉพาะบุคคล

“เราได้สร้างอัลกอริทึม AI สำหรับประเมิน VBD จากภาพ DBT ที่สร้างใหม่แบบ 3 มิติ ซึ่งไม่ต้องใช้ข้อมูลภาพดิบ และสามารถช่วยในการทำนายความเสี่ยงมะเร็งเต้านมของแต่ละคน” ผู้เขียนการศึกษากล่าว