AI kan identifiera bröstcancer lika bra som en röntgenläkare
Forskare vid Karolinska Institutet och Karolinska Universitetssjukhuset har jämfört tre olika AI-algoritmers förmåga att identifiera bröstcancer från tidigare tagna mammografibilder. Den bästa algoritmen visade sig ha lika bra träffsäkerhet som en genomsnittlig röntgenläkare. Resultatet har publicerats i JAMA Oncology och kan visa vägen mot nya sätt att organisera bröstcancerscreening i framtiden. Här beskrivs den nya kunskapen av Fredrik Strand, forskare vid institutionen för onkologi-patologi vid Karolinska Institutet och röntgenläkare på Karolinska Universitetssjukhuset.
Populationsbaserad inbjudan till screening-mammografi för tidig upptäckt av bröstcancer har varit mycket framgångsrikt. Dödligheten har sänkts med upp till 40 procent för de kvinnor som valt att delta i screening. Arbetsmässigt innebär det initialt att två bröstradiologer granskar omkring 1 000 mammografiundersökningar för att slutligen hitta fem kvinnor med bröstcancer. Det har blivit allt tydligare att det kan finnas gott om utrymme att öka screeningens goda effekter. Cirka 30 procent av de kvinnor som deltar i screening råkar ut för intervallcancer
– det vill säga att cancern upptäcks i intervallet mellan två planerade screeningtillfällen. Dessa är mer aggressiva och förknippade med förhöjd dödlighet. Många av dessa kan upptäckas vid föregående screening – i
en holländsk studie fann man en minskning av intervallcancer med över 80 procent för kvinnor som genomgick screening med magnetkamera (MR).
Vår forskargrupp, med medlemmar från Karolinska Institutet, Kungliga Tekniska Högskolan, Karolinska Universitetssjukhuset samt Capio S:t Görans sjukhus, har undersökt användandet av kommersiella AI-system för cancerdetektion i screening-mammografier. I en retrospektiv kohort bestående av nästan 9 000 kvinnor varav knappt en tiondel diagnostiserats med bröstcancer och övriga var friska genomförde vi två fall-kontrollstudier där AI-algoritmer och deras potentiella tillämpning utvärderades.
