AI proporciona una clasificación precisa de la densidad mamaria
Selección de vistas oblicuas mediolaterales mamográficas de mamas con diferente densidad mamaria de mujeres entre 51 y 68 años de edad. (AD) Ejemplos de concordancia de lectores humanos (HR)-(AI) para la categoría a (68 años), b (66 años), c (51 años) yd (54 años); B muestra un ejemplo de una mama con una masa benigna. (EH) Ejemplos de desacuerdo HR-AI; E fue clasificado como a por HR, y como b por AI (67 años); F fue clasificado como b por HR, y como a por AI (68 años); G fue clasificado como c por HR, y como d por AI (55 años); H fue clasificado como d por HR, y como c por AI (52 años). Nota – Sistema de datos e informes de imágenes mamarias (BI-RADS): categoría a (casi completamente grasa), categoría b (fibroglandular disperso), categoría c (heterogéneamente densa), categoría d (extremadamente densa). Crédito: Sociedad Radiológica de América del Norte.
Una herramienta de inteligencia artificial (IA) puede clasificar de manera precisa y consistente la densidad mamaria en las mamografías, según un estudio publicado en Radiology: Artificial Intelligence.
La densidad del seno refleja la cantidad de tejido fibroglandular en el seno que se ve comúnmente en las mamografías. La alta densidad mamaria es un factor de riesgo de cáncer de mama independiente y su efecto de enmascaramiento de las lesiones subyacentes reduce la sensibilidad de la mamografía. En consecuencia, muchos estados de EE. UU. tienen leyes que requieren que las mujeres con senos densos sean notificadas después de una mamografía, para que puedan optar por someterse a pruebas complementarias para mejorar la detección del cáncer.
En la práctica clínica, la densidad mamaria se evalúa visualmente en Mamografías de dos vistas, más comúnmente con la escala de cuatro categorías del Sistema de datos e informes de imágenes mamarias del American College of Radiology Breast Imaging-Reporting and Data System (BI-RADS), que van desde la Categoría A para mamas casi totalmente grasas hasta la Categoría D para mamas extremadamente densas. El sistema tiene limitaciones, ya que la clasificación visual es propensa a la variabilidad interobservador, o las diferencias en las evaluaciones entre dos o más personas, y la variabilidad intraobservador, o las diferencias que aparecen en las evaluaciones repetidas de la misma persona.
Para superar esta variabilidad, investigadores en Italia desarrollaron un software para la clasificación de la densidad mamaria basado en un tipo de IA llamado aprendizaje profundo con redes neuronales convolucionales, un tipo sofisticado de IA que es capaz de discernir patrones sutiles en imágenes más allá de las capacidades del ojo humano. Los investigadores entrenaron el software, conocido como TRACE4BDensity, bajo la supervisión de siete radiólogos experimentados que evaluaron visualmente de forma independiente 760 imágenes mamográficas.
La validación externa de la herramienta fue realizada por los tres radiólogos más cercanos al consenso sobre un conjunto de datos. de 384 imágenes mamográficas obtenidas de un centro diferente.
TRACE4BDensity mostró un 89 % de precisión al distinguir entre tejido mamario de baja densidad (BI-RADS categorías A y B) y alta densidad (BI-RADS categorías C y D) , con una concordancia del 90% entre la herramienta y los tres lectores. Todos los desacuerdos estaban en las categorías adyacentes de BI-RADS.
«El valor particular de esta herramienta es la posibilidad de superar la reproducibilidad subóptima de la clasificación visual de la densidad humana que limita su utilidad práctica», dijo el coautor del estudio, Sergio. Papa, MD, del Centro Diagnostico Italiano en Milán, Italia. “Tener una herramienta robusta que proponga la asignación de densidad de forma estandarizada puede ayudar mucho en la toma de decisiones”.
Dicha herramienta sería particularmente valiosa, dijeron los investigadores, ya que la detección del cáncer de mama se vuelve más personalizada, y la evaluación de la densidad representa un factor importante en la estratificación del riesgo.
«Una herramienta como ya que TRACE4Bdensity puede ayudarnos a recomendar a las mujeres con senos densos que, después de una mamografía negativa, se realicen pruebas de detección complementarias con ultrasonido, resonancia magnética o mamografía con contraste», dijo el coautor del estudio, Francesco Sardanelli, MD, del IRCCS Policlinico San Donato en San Donato. , Italia.
Los investigadores planean estudios adicionales para comprender mejor las capacidades completas del software.
«Nos gustaría seguir evaluando la herramienta de IA TRACE4BDensity, particularmente en países donde las regulaciones sobre la densidad de mujeres no está activa, al evaluar la utilidad de dicha herramienta para radiólogos y pacientes», dijo el coautor del estudio Christian Salvatore, Ph.D., investigador principal de la Escuela Universitaria de Estudios Avanzados IUSS Pavia y cofundador y director ejecutivo. er de DeepTrace Technologies.
Explore más
Minuto de Mayo Clinic: Cómo determinar si tiene senos densos Más información: Veronica Magni et al, Desarrollo y validación de una herramienta de clasificación de densidad mamaria mamográfica impulsada por IA basada en radiólogo Consenso, Radiología: Inteligencia Artificial (2022). DOI: 10.1148/ryai.210199 Proporcionado por la Sociedad Radiológica de América del Norte Cita: AI proporciona una clasificación precisa de la densidad mamaria (2022, 17 de marzo) consultado el 29 de agosto de 2022 en https://medicalxpress.com/news/ 2022-03-ai-accurate-beast-density-classification.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.