AI förbättrar bröstcancerupptäckt med kompletterande MR efter negativ mammografi
AI-baserad triagering ökar bröstcancerupptäckten med kompletterande MR efter negativ screeningmammografi. Det är resultatet av en studie vid Karolinska Universitetssjukhuset där man använt ett AI-verktyg som utvecklats av en forskargrupp från Karolinska Institutet och Kungliga Tekniska Högskolan. Här skriver förste författaren Mattie Salim, vid Karolinska Institutet, om resultat från ScreenTrustMRI-studien.
Bröstcancer är en av de vanligaste cancerformerna hos kvinnor, med omkring 2,3 miljoner nya fall globalt varje år. Traditionell mammografi har varit en mycket effektiv metod för tidig upptäckt av bröstcancer, vilket har lett till en minskning av dödligheten med upp till 40 procent bland de kvinnor som genomgår undersökningen. Trots denna framgång kvarstår utmaningar inom bröstcancerscreening. Cirka 30 procent av cancerfallen bland kvinnor som deltar i screening upptäckts på grund av symptom som uppstår mellan två screeningtillfällen, så kallade intervallcancrar. Därutöver är vissa av de cancrar som upptäcks vid screening så avancerade att de med största sannolikhet fanns i bröstet redan vid föregående screening för ungefär två år sedan. En bidragande orsak till att cancer inte upptäcks vid mammografi är tät bröstvävnad. Bröstvävnad klassificeras i fyra kategorier, A till D, enligt BIRADS-systemet, där kategori A representerar den minst täta vävnaden och kategori D den mest täta.
Tät bröstvävnad och behovet av MR
En högre grad av täthet i bröstvävnaden gör det svårare att diagnostisera cancer, eftersom den täta vävnaden kan skapa skuggor som döljer tumörer på röntgenbilderna. För dessa kvinnor kan magnetkameraundersökning (MR) vara en mer lämplig metod, eftersom den har högre känslighet och har visat sig öka antalet upptäckta cancrar. Trots dess fördelar är användningen av MR inom bröstdiagnostik i dagsläget begränsad på grund av bristen på kvalificerad MR-personal och den höga kostnaden för utrustningen. Därför är det nödvändigt att hitta en metod för att identifiera en mindre grupp av kvinnor som har särskilt hög nytta av riktad tilläggsscreening med MR.
AI förbättrar bröstcancerupptäckt med kompletterande MR efter negativ mammografi.
ScreenTrustMRI-studien: En ny AI-baserad metod
På Karolinska Universitetssjukhuset genomförde vi en randomiserad klinisk studie, ScreenTrustMRI1,där vi med hjälp av ett nyutvecklat AI-verktyg (AISmartDensity) poängsatte varje mammografi utifrån hypotesen att denna poäng var relaterad till risken för icke upptäckt cancer. AISmartDensity har utvecklats i samarbete mellan forskargrupper på Karolinska Institutet och Kungliga Tekniska Högskolan.
Ökad upptäckt av cancer med riktad MR
Bland de kvinnor som fick ett negativt resultat från screeningmammografi och erhöll en hög AI-baserad poäng (ungefär 7 procent) erbjöds hälften slumpmässigt att delta i en kompletterande MR-undersökning.
