Нурлан Каримов 
В промежутках между плановыми маммографиями некоторые виды рака молочной железы, известные как интервальные, могут незаметно развиваться и распространяться. Новое исследование Комплексного онкологического центра Джонссона при Калифорнийском университете в Лос-Анджелесе (UCLA Health) дает надежду: искусственный интеллект (ИИ) способен помочь выявлять такие новообразования раньше, иногда даже до того, как они станут заметны человеческому глазу.
В отличие от рака, обнаруженного при плановом скрининге, интервальные формы обычно выявляются после появления у пациентки симптомов до следующей маммографии. Такие опухоли, как правило, более агрессивны и труднее поддаются лечению, что делает своевременную диагностику критически важной.
Доктор Тиффани Ю, доцент радиологии в UCLA и ведущий автор исследования, поясняет, что эти типы интервального рака могли бы быть обнаружены раньше, когда лечение было бы проще. Для пациенток раннее выявление рака, по ее словам, может иметь решающее значение, приводя к менее агрессивному лечению и улучшая шансы на благоприятный исход.
Исследователи полагают, что с помощью ИИ возможно сократить количество пропущенных диагнозов и улучшить результаты лечения для многих пациенток.
Интервальный рак может развиваться между ежегодными скринингами в США, где пациентки обычно проходят цифровую томосинтез молочных желез, также известную как 3D-маммография. В отличие от этого, большинство европейских стран полагаются на цифровую маммографию, или 2D-скрининг, и рекомендуют проходить обследование каждые два-три года. Различия во времени и технологиях могут влиять на то, как и когда эти виды рака выявляются.
В отличие от многих европейских программ, американские скрининговые программы обычно не классифицируют интервальные виды рака. Этот пробел затруднял оценку эффективности методов скрининга и того, как инструменты вроде ИИ могли бы помочь. Исследование UCLA было направлено на решение этой проблемы.
Исследовательская группа проанализировала почти 185 000 маммограмм за период с 2010 по 2019 год, выявив 148 случаев интервального рака молочной железы. Используя систему классификации, заимствованную из европейских рекомендаций, радиологи затем разделили эти случаи на категории в зависимости от того, как они проявлялись — или не проявлялись — на предыдущих снимках.
Категории включали: «пропущенная ошибка чтения» (рак был виден, но его не заметили), «минимальные признаки» (рак проявлял слабые признаки, которые могли быть обнаружены, или были слишком незначительны для выявления, как требующие, так и не требующие немедленных действий), «скрытый» (рак не был виден на маммограмме, но мог быть обнаружен другими методами визуализации), «истинный интервальный рак» (рак действительно отсутствовал на момент последнего скрининга, но быстро развился после него) и «техническая ошибка» (сам снимок был некачественным).
Затем исследователи применили инструмент ИИ под названием Transpara к этим более ранним маммограммам. ИИ оценивал каждый снимок по шкале от 1 до 10 по риску развития рака, и все, что превышало 8 баллов, помечалось как подозрительное.
Результаты оказались впечатляющими. Инструмент ИИ отметил 76% маммограмм, которые изначально были оценены как нормальные, но впоследствии были связаны с интервальным раком.
Это включает 90% случаев «пропущенной ошибки чтения», 89% раков с «минимальными признаками, требующими действий», 72% раков с «минимальными признаками, не требующими действий», 69% «скрытых» раков и 50% «истинных интервальных» раков. Другими словами, ИИ часто замечал то, что упускал радиолог, особенно при наличии едва заметных признаков.
Тем не менее, у инструмента были свои ограничения. Доктор Ханна Милч, старший автор исследования и также сотрудница UCLA, отмечает, что хотя ИИ выявил много «скрытых» раков, ему было трудно точно определить их местоположение. Например, по ее словам, несмотря на невидимость на маммографии, инструмент ИИ все же отметил 69% скрининговых маммограмм со «скрытыми» раками. Однако, когда исследователи посмотрели на конкретные области на изображениях, помеченные ИИ как подозрительные, ИИ справился хуже, указав на фактический рак лишь в 22% случаев.
Это расхождение показывает, что, хотя инструмент ИИ может быть полезен для предупреждения врачей о потенциальных рисках, его не следует использовать как самостоятельное средство для принятия решений. Вместо этого он мог бы выступать в роли «второго взгляда», помогая радиологам сосредоточить внимание, особенно в случаях, когда аномалии легко пропустить.
Доктор Ю соглашается, что, хотя ИИ не идеален и не должен использоваться самостоятельно, полученные данные подтверждают идею о том, что ИИ мог бы помочь сместить фокус с интервальных раков в сторону преимущественно «истинных интервальных» форм. Это означало бы, что больше видов рака будет выявляться на ранней стадии, и меньше останется незамеченными до появления симптомов.
Интервальные раки молочной железы не являются редкостью. В зависимости от программы и используемой технологии, они могут составлять от 10% до 38% всех случаев рака, выявляемых у обследуемого населения. В некоторых отчетах частота таких форм рака варьируется от 7 до почти 50 на 10 000 обследований.
Еще больше путаницы вносит определение «ложноотрицательной» маммограммы — снимка, который сначала выглядит нормальным, но при ретроспективном анализе показывает явные признаки рака. Некоторые исследования рассматривают ложноотрицательные результаты как тип интервального рака, другие выделяют их отдельно, из-за чего сообщаемые показатели ложноотрицательных результатов колеблются от 4% до 40%.
Путаницу усугубляет и большое разнообразие в организации скрининговых программ. Такие факторы, как интервалы скрининга, технологии визуализации, количество рентгенологов, читающих снимки, и даже их подготовка, могут влиять на результаты. Поэтому так важна стандартизация методов обзора и классификации интервальных раков.
Исследование UCLA является одним из первых в США, применившим формальный метод классификации к большой когорте скрининга и проверившим эффективность ИИ на реальных случаях. В то время как предыдущие исследования в основном проводились в европейских системах, эта работа демонстрирует, как ИИ может функционировать в американском контексте, где ежегодный скрининг и 3D-визуализация более распространены.
Полученные результаты дают обнадёживающее представление о том, что ИИ может предложить радиологам и пациентам. Используемые вместе с обученными специалистами, инструменты ИИ могли бы помочь выявить едва заметные признаки рака и дать врачам шанс действовать до того, как опухоль станет труднее лечить. Однако необходимы дальнейшие исследования для уточнения использования этих инструментов и ответа на важные вопросы об их точности и надежности в клинических условиях.
Доктор Милч говорит, что многое еще неизвестно. Необходимы более крупные проспективные исследования, чтобы понять, как радиологи будут использовать ИИ на практике и как поступать в случаях, когда ИИ помечает как подозрительные области, невидимые человеческому глазу.
В исследовании UCLA приняли участие доктора Энн Хойт, Мелисса Джойнс, Черис Фишер, Назанин Ягмай, Джеймс Чалфант, Люси Чоу, Шабнам Мортазави, Кристофер Сирс, Джеймс Сэйр, Джоанн Элмор и Уильям Хсу. Исследование было поддержано Национальными институтами здравоохранения, Национальным институтом рака, Агентством по исследованиям и качеству здравоохранения и Early Diagnostics Inc. По мере появления все большего числа подобных инструментов надежда становится очевидной: меньше пропущенных случаев рака, более раннее лечение и лучшие результаты для пациенток.
