La IA ayuda a descartar el cáncer en senos densos
Ejemplos de imágenes superpuestas de explicaciones aditivas profundas de Shapley (SHAP). Las imágenes de proyección de máxima intensidad (MIP) están a la izquierda y las imágenes MIP con la superposición SHAP están a la derecha. Los valores SHAP positivos (rojo) muestran áreas que contribuyen a una alta probabilidad de presencia de lesión, los valores SHAP negativos (azul) muestran ubicaciones con probabilidad reducida. (A) Imágenes MIP sagitales de una resonancia magnética de mama con contraste de un carcinoma ductal invasivo en una mujer de 57 años con el Sistema de datos e informes de imágenes mamarias (BI-RADS) de categoría 4. El modelo de aprendizaje profundo (DL) arrojó un probabilidad de presencia de lesión del 90%. Se muestra que los valores SHAP positivos (rojo) coinciden con la ubicación de la lesión (flechas). (B) Imágenes MIP sagitales de resonancia magnética de mama con contraste de una mama sin lesiones en una mujer de 53 años con puntuación BI-RADS 1. El modelo DL arrojó una probabilidad de presencia de lesión del 11%. Los valores negativos de SHAP (azul) se distribuyen de forma difusa en la región mamaria. (C) Imágenes MIP transversales de resonancia magnética de mama con contraste de un carcinoma ductal in situ en una mujer de 65 años con puntuación BI-RADS 4. El modelo DL arrojó una probabilidad de presencia de lesión del 32%, el valor de probabilidad más bajo entre todas las mamas con enfermedad maligna en nuestro estudio. Se muestra que los valores SHAP positivos (rojo) coinciden con la ubicación de la lesión (flechas). Crédito: Sociedad Radiológica de América del Norte.
Un sistema automatizado que utiliza inteligencia artificial (IA) puede filtrar de forma rápida y precisa las resonancias magnéticas de las mamas en mujeres con mamas densas para eliminar a las que no tienen cáncer, lo que libera a los radiólogos para que se concentren en casos más complejos, según a un estudio publicado en Radiology.
La mamografía ha ayudado a reducir las muertes por cáncer de mama al brindar una detección temprana cuando el cáncer es más tratable. Sin embargo, es menos sensible en mujeres con senos extremadamente densos que en mujeres con senos grasos. Además, las mujeres con senos extremadamente densos tienen un riesgo de tres a seis veces mayor de desarrollar cáncer de seno que las mujeres con senos casi completamente grasos y un riesgo dos veces mayor que la mujer promedio.
Examen complementario en mujeres con senos extremadamente densos aumenta la sensibilidad de la detección del cáncer. La investigación del ensayo de detección temprana de neoplasma de mama y tejido denso (DENSE), un gran estudio con sede en los Países Bajos, apoyó el uso de pruebas de detección complementarias con MRI.
«El ensayo DENSE mostró que las pruebas de detección con MRI adicionales para mujeres con senos extremadamente densos fue beneficioso», dijo el autor principal del estudio, Erik Verburg, M.Sc., del Instituto de Ciencias de la Imagen del Centro Médico Universitario de Utrecht en los Países Bajos. «Por otro lado, el ensayo DENSE confirmó que la gran mayoría de las mujeres evaluadas no tienen ningún hallazgo sospechoso en la resonancia magnética».
Dado que la mayoría de las resonancias magnéticas muestran variaciones anatómicas y fisiológicas normales que pueden no requerir una revisión radiológica, Se necesitan formas de clasificar estas resonancias magnéticas normales para reducir la carga de trabajo del radiólogo.
En el primer estudio de este tipo, Verburg y sus colegas se propusieron determinar la viabilidad de un método de clasificación automatizado basado en el aprendizaje profundo, un tipo sofisticado de IA. Utilizaron datos de resonancia magnética de mama del ensayo DENSE para desarrollar y entrenar el modelo de aprendizaje profundo para distinguir entre mamas con y sin lesiones. El modelo se entrenó con datos de siete hospitales y se probó con datos de un octavo hospital.
Se incluyeron más de 4500 conjuntos de datos de resonancia magnética de senos extremadamente densos. De las 9162 mamas, 838 tenían al menos una lesión, de las cuales 77 eran malignas y 8324 no tenían lesiones.
El modelo de aprendizaje profundo consideró que el 90,7 % de las resonancias magnéticas con lesiones no eran normales y se clasificaron ellos a revisión radiológica. Descartó alrededor del 40 % de las resonancias magnéticas sin lesiones sin pasar por alto ningún cáncer.
«Demostramos que es posible utilizar de forma segura la inteligencia artificial para descartar las resonancias magnéticas de detección de mamas sin pasar por alto ninguna enfermedad maligna», dijo Verburg. «Los resultados fueron mejores de lo esperado. El 40 % es un buen comienzo. Sin embargo, todavía tenemos un 60 % por mejorar».
El sistema de clasificación basado en IA tiene el potencial de reducir significativamente la carga de trabajo del radiólogo, dijo Verburg. . Solo en los Países Bajos, casi 82 000 mujeres pueden ser elegibles para una prueba de detección de senos mediante IRM bienal según la densidad mamaria.
«El enfoque se puede usar primero para ayudar a los radiólogos a reducir el tiempo de lectura general», dijo Verburg. «En consecuencia, podría haber más tiempo disponible para concentrarse en los exámenes de resonancia magnética de mama realmente complejos».
Los investigadores planean validar el modelo en otros conjuntos de datos e implementarlo en rondas de selección posteriores del ensayo DENSE.
Explore más
Para las mujeres con senos densos, las resonancias magnéticas son rentables para detectar el cáncer de seno Más información: Stefanie GA Veenhuizen et al, Supplemental Breast MRI for Women with Extremely Dense Breasts: Results de la Segunda Ronda de Cribado del Ensayo DENSE, Radiología (2021). DOI: 10.1148/radiol.2021203633 Información de la revista: Radiología
Proporcionada por la Sociedad Radiológica de América del Norte Cita: La IA ayuda a descartar el cáncer en mamas densas (2021, octubre 5) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-10-ai-cancer-dense-breasts.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.