חוקרים מאוניברסיטת מזרח פינלנד פיתחו אלגוריתם חדש המבוסס על בינה מלאכותית, MV-DEFEAT, לשיפור הערכת צפיפות ממוגרפיה. פיתוח זה טומן בחובו הבטחה לשינוי פרקטיקות רדיולוגיות על ידי מתן אבחון מדויק יותר.
צפיפות גבוהה של רקמת השד קשורה לסיכון מוגבר לסרטן השד, וניתן להעריך את צפיפות רקמת השד על פי ממוגרפיה. ההערכה המדויקת של ממוגרפיה חיונית להקרנה יעילה של סרטן השד, אך אתגרים כמו שונות בהערכות רדיולוגיות ומחסור עולמי ברדיולוגים מסבכים את המאמצים הללו. אלגוריתם MV-DEFEAT שואף לטפל בבעיות אלו על ידי שילוב טכניקות למידה עמוקה שמעריכות מספר תצוגות ממוגרפיה בו-זמנית לצורך הערכת צפיפות ממוגרפיה, תוך שיקוף של תהליך קבלת ההחלטות של רדיולוגים.
צוות המחקר המעורב ב-AI בחקר הסרטן מורכב מחוקר הדוקטורט Gudhe Raju, פרופסור Arto Mannermaa והחוקר הבכיר חמיד Behravan. במחקר הנוכחי, הם השתמשו בגישת היתוך ראייתי עמוק רב-צפי חדשני. השיטה שלהם ממנפת אלמנטים של התיאוריה הראייתית של דמפסטר-שאפר והלוגיקה הסובייקטיבית כדי להעריך תמונות ממוגרפיה ממספר צפיות, ובכך לספק ניתוח מקיף יותר.
MV-DEFEAT הראה שיפורים מדהימים ביחס לגישות הקיימות. הוא מדגים שיפור משמעותי ברמת הדיוק של בדיקת ממוגרפיה על ידי כימות אוטומטי ומהימן של הצפיפות וההפצה של רקמת שד צפופה בתוך ממוגרפיה. לדוגמה, במערך הנתונים הציבורי VinDr-Mammo המורכב מיותר מ-10,000 ממוגרפיות, האלגוריתם השיג שיפור מרשים של 50.78% בהבחנה בין גידולים שפירים לממאירים בהשוואה לגישה הקיימת עם ריבוי תצוגה.
מעניין לציין שהיעילות של האלגוריתם נמשכה על פני מערכי נתונים שונים, מה שמשקף את הביצועים החזקים שלו כדי להסתגל לדמוגרפיה מגוונת של מטופלים. המחקר השתמש בנתונים נרחבים מארבעה מערכי נתונים בקוד פתוח, תוך שיפור הישימות והדיוק של האלגוריתם על פני אוכלוסיות שונות. יכולות כאלה מדגישות את החשיבות של גישות מבוססות בינה מלאכותית באבחון רפואי. יתרה מזאת, בעוד ש-MV-DEFEAT מסייע באופן משמעותי בבדיקת סרטן השד, הצוות באוניברסיטת מזרח פינלנד מדגיש את הצורך בשכלול ואימות מתמשך של האלגוריתם כדי להבטיח את מהימנותו ויעילותו במסגרות קליניות.
תוצאות מבטיחות אלו סוללות את הדרך לשימוש בבינה מלאכותית בשיפור תהליכי אבחון, שעלולים להוביל לגילוי מוקדם יותר ולתוצאות טובות יותר של המטופל בטיפול בסרטן השד.
כדי לשלב באופן מלא AI כמו MV-DEFEAT בפרקטיקה הקלינית, חיוני לבנות אמון בין אנשי מקצוע בתחום הבריאות באמצעות בדיקות ואימות קפדניים. אכן, הצעדים הבאים שלנו כוללים מחקרי אימות נוספים לביסוס MV-DEFEAT ככלי אמין לאבחון סרטן השד בפינלנד".
Raju Gudhe, חוקר דוקטורט מאוניברסיטת מזרח פינלנד
