Studio: La screening della mammografia supportata dall'intelligenza artificiale ha aiutato i medici a individuare il 20% in più di casi di cancro al seno

L'intelligenza artificiale (AI) potrebbe essere in grado di individuare meglio il cancro al seno sulle immagini mammografiche rispetto ai medici addestrati, secondo uno nuovo studio.

La Società Americana del Cancro raccomanda alle donne che non sono a maggior rischio di cancro al seno di iniziare le mammografie annuali a partire dai 45 anni e di poter scegliere di iniziare anche a 40 anni. Ci sono molti fattori, tra cui la densità del seno, che possono rendere difficile rilevare i tumori con l'occhio umano.

Detto questo, circa 1 caso su 8 di cancro al seno viene ignorato nelle mammografie. Il nuovo studio ha scoperto che l'AI potrebbe essere in grado di aiutare a risolvere questo problema.

La screening del cancro al seno supportato dall'AI non è ancora perfetto, ma potrebbe aiutare a ridurre il carico di lavoro dei medici sovraccaricati in futuro e rendere le letture delle mammografie più accurate.

"Una parte difficile della lettura degli esami di screening è che la stragrande maggioranza degli esami sono normali", ha detto Kristina Lång, MD, PhD, professore associato di diagnostica radiologica presso l'Università di Lund in Svezia, che ha guidato lo studio.

"Quando hai letto centinaia di esami normali, talvolta i radiologi possono trascurare un tumore sottile", ha detto.

Per lo studio controllato randomizzato su base di popolazione, Lång e il suo team hanno analizzato mammografie di 80.000 donne svedesi che hanno sottoposto gli esami tra aprile 2021 e luglio 2022.

La metà delle scansioni è stata letta da due radiologi altamente addestrati e l'altra metà è stata letta sia da un radiologo esperto che dall'AI.

Il gruppo assistito dal computer ha individuato il 20% in più di tumori nelle scansioni rispetto al team formato solo da umani. In termini numerici, ciò corrisponde a un tasso di rilevamento di 6 per 1.000 donne esaminate, rispetto a 5 per 1.000 con una lettura standard.

La tecnologia non è progettata per essere utilizzata da sola, ma sembra essere molto utile quando utilizzata insieme a un occhio esperto.

I radiologi sono stati in grado di rilevare alcuni casi di cancro che l'AI ha perso, e l'accoppiamento sinergico tra umano e computer non ha aumentato il rischio di falsi negativi, quando una persona ha il cancro che non viene rilevato durante una lettura mammografica.

"Un'immagine mammografica contiene così tante informazioni, molto più di quello che l'occhio umano, anche un occhio umano altamente addestrato, può apprezzare", ha detto Debbie Bennett, MD, capo di radiologia, divisione di imaging mammografico presso l'Università di Washington a St. Louis, che non ha partecipato al nuovo studio.

"Il numero di pixel in ogni mammografia supera di gran lunga ciò che i nostri occhi e il nostro cervello possono elaborare", ha detto.

Gli algoritmi di AI vengono addestrati utilizzando milioni di casi di cancro al seno, il che dà ai computer un vantaggio nel rilevare anomalie nelle scansioni, ha detto Bennett a Health.

Una volta che un algoritmo di AI identifica un'anomalia, vengono prese immagini dell'anomalia percepita che un radiologo addestrato può valutare per determinare se sia necessario un ulteriore esame, come un'ecografia o una biopsia.

Secondo il Centro Medico dell'Università di Rochester, circa il 10% delle persone che fanno una mammografia richiede ulteriori esami, ma solo circa lo 0,5% dei casi viene riscontrato il cancro.

Negli Stati Uniti, circa 240.000 casi di cancro al seno vengono diagnosticati nelle donne ogni anno. La diagnosi precoce è fondamentale per i risultati. Più il cancro viene rilevato precocemente, più probabilmente il trattamento sarà efficace.

Un aspetto che può rendere difficile rilevare precocemente i tumori cancerosi utilizzando le immagini mammografiche sono i seni densi, una condizione che circa la metà delle donne oltre i 40 anni negli Stati Uniti ha.

Seni densi sono composti da una quantità maggiore di tessuto fibroso o ghiandolare rispetto al tessuto adiposo, il che crea più aree bianche su un'immagine mammografica, dello stesso colore dei tumori.

Per questo motivo, l'Amministrazione per gli Alimenti e i Medicinali (FDA) ha recentemente modificato l'Atto delle Norme sulla Qualità delle Mammografie (MQSA) del 1992, una legge promulgata per garantire la qualità delle mammografie, per richiedere agli ambulatori di mammografia di avvisare le persone che sono state trovate con seni densi.

Alcuni ambulatori utilizzano già un calcolo basato su un computer chiamato valutazione volumetrica della densità del seno per determinare chi ha seni densi e per guidare la valutazione dei clinici su chi necessita di screening supplementare. Questo metodo offre un approccio più standardizzato alla densità del seno, che spesso viene lasciata alla discrezione di ogni medico individuale, ha detto Bennett.

Un'analisi delle immagini basata su computer relativamente semplificata, chiamata CAD, è già utilizzata per individuare schemi nelle mammografie, che possono rivelare anomalie, anche se è molto meno efficace rispetto all'AI.

Bennett ha osservato che c'è ancora molto da imparare sull'AI.

"Poiché la tecnologia è così nuova, mancano dati sull'impatto dell'AI nella mammografia", ha detto. "Non sappiamo quali siano i veri benefici o i danni della tecnologia".

La FDA ha già approvato diverse tecnologie di AI per lo screening del cancro al seno, ma non sono ancora diffuse. In futuro, è probabile che gli screening del cancro al seno utilizzeranno sia metodi standard per valutare le scansioni che l'AI.

“Currently, AI cannot replace humans,' Lång said, 'but it can make our work more effective and accurate.'

Accurate effective work is crucial for the breast cancer screening needs the United States is facing. Last year, the American College of Radiology reported both a shortage of radiologists and an aging population that requires more imaging as part of their health care.

Bennett explained that AI can really lighten the workload for an overburdened radiologist in identifying normal scans. Many scans are definitely cancer-free, and using an AI algorithm that can identify these cases with confidence would free up time for radiologists to review scans that are not definitively normal. 

“That is where the expertise and clinical judgment of a trained radiologist is needed,” said Bennett. 

Doctors will also still play a vital role in communicating information with patients and making judgment calls on what additional screening is appropriate for specific cases.

“Humans have to be in the steering wheel,” Lång emphasized. In Sweden, her clinic is already confident enough to begin implementing AI in breast cancer screenings.

“We know it is safe and since we performed the trial in the same setting,' she said, 'we feel certain it will work.'