Een nieuwe studie onder leiding van onderzoekers van het UCLA Health Jonsson Comprehensive Cancer Center laat zien dat zogenoemde interval borstkanker met behulp van AI eerder opgespoord kan worden. Interval borstkanker is de vorm van borstkanker die zich ontwikkeld in de periode tussen twee routine controles, zoals de periodieke screenings. Het betreft tumoren die soms weliswaar zichtbaar zijn op een mammografie, maar niet worden ontdekt door radiologen. Bijvoorbeeld omdat de tumoren zeer subtiele tekenen vertonen die aantoonbaar onder het niveau van detectie door het menselijk oog liggen.
Uit het onderzoek, gepubliceerd in het Journal of the National Cancer Institute, bleek dat AI in staat was om ‘mammografisch zichtbare’ soorten intervalkankers eerder te identificeren door ze te markeren op het moment van de screening. Onderzoekers schatten dat de integratie van AI in screening kan helpen om het aantal interval borstkankers met 30 procent te kunnen terugdringen. "Voor patiënten kan een vroege ontdekking van kanker een groot verschil maken. Het kan leiden tot een minder agressieve behandeling en de kans op een betere uitkomst vergroten", zegt Tiffany Yu, assistent-professor radiologie aan de David Geffen School of Medicine van UCLA.
Vergelijkbaar onderzoek in Europa
Hoewel vergelijkbaar onderzoek is uitgevoerd in Europa, onder andere door Zweedse wetenschappers is deze studie een van de eerste die het gebruik van AI onderzoekt om interval borstkankers op te sporen in de Verenigde Staten. Onderzoekers wijzen erop dat er belangrijke verschillen zijn tussen de Amerikaanse en Europese screeningspraktijken.
In de VS worden de meeste mammografieën uitgevoerd met behulp van digitale borsttomosynthese (DBT), ook wel 3D-mammografie genoemd, en patiënten worden meestal elk jaar gescreend. Europese programma's maken daarentegen meestal gebruik van digitale mammografie (DM), ook wel 2D-mammografie genoemd, en screenen patiënten om de twee tot drie jaar.
185.000 mammogrammen geanalyseerd
De retrospectieve studie analyseerde gegevens van bijna 185.000 vroegere mammogrammen uit de periode 2010-2019 die zowel DM als DBT omvatten. Uit de gegevens keek het team naar 148 gevallen waarin een vrouw de diagnose intervalborstkanker kreeg. Radiologen bekeken deze gevallen vervolgens om te bepalen waarom de kanker niet eerder was ontdekt. De nieuwe studie paste een Europees classificatiesysteem aan om de intervalkankers te categoriseren. Deze omvatten: Gemiste leesfout, minimale tekenen-actiegericht, minimale tekenen-niet-actiegericht, echte intervalkanker, occult (wat echt onzichtbaar is op een mammogram), en gemist door een technische fout.
Onderzoekers pasten vervolgens een in de handel verkrijgbare AI-software genaamd Transpara toe op de eerste screeningsmammogrammen die vóór de kankerdiagnose werden gemaakt om te bepalen of het subtiele tekenen van kanker kon detecteren die door radiologen werden gemist tijdens de eerste screenings, of ze op zijn minst als verdacht kon markeren. Het hulpmiddel gaf elk mammogram een score van 1 tot 10 voor het kankerrisico. Een score van 8 of hoger werd beschouwd als mogelijk zorgwekkend.
Belangrijkste bevindingen
- Het team ontdekte dat de AI ruim drie kwart (76%) van de mammogrammen markeerde die oorspronkelijk als normaal waren gelezen, maar later werden gekoppeld aan een interval borstkanker.
- De AI-tool kon bij 90 procent van de gemiste leesfouten, waarbij de kanker zichtbaar was op het mammogram maar door de radioloog werd gemist of verkeerd geïnterpreteerd, signaleren.
- Voor kankers die occult of volledig onzichtbaar waren op de mammografie, markeerde de AI 69 procent van de gevallen.
- De AI bleek wel iets minder effectief – 50 procent - in het identificeren van echte intervalkankers, kankers die niet aanwezig waren op het moment van de screening maar zich later ontwikkelden.
"Hoewel we een aantal opwindende resultaten hadden, legden we ook veel onnauwkeurigheden van de AI bloot en problemen die verder onderzocht moeten worden in de echte wereld. Ondanks het feit dat de AI-tool onzichtbaar is op mammografieën, markeerde het bijvoorbeeld toch 69% van de screeningsmammogrammen met occulte kankers. Toen we echter keken naar de specifieke gebieden op de beelden die de AI als verdacht markeerde, deed de AI het niet zo goed en markeerde slechts 22% van de tijd de werkelijke kanker”, aldus Dr. Hannah Milch, assistent-professor Radiologie aan de David Geffen School of Medicine en hoofdauteur van het onderzoek.
