בכל שנה מיליוני נשים עוברים ממוגרפיה למסך לסרטן השד, אך עם זאת, כתמי סידן זעירים – הידועים כמיקרו -חישובים – מתחמקים לעתים קרובות מגילוי או נוראים שגויים, מה שמוביל לאבחנות מעוכבות או לביופסיות מיותרות. כלים קונבנציונליים בעזרת מחשב מסתמכים על כללים מעוצבים בעבודת יד ומאבקים עם המגוון העצום של מכשירי הדמיה ודפוסי הנגע.
במחקר שנערך לאחרונה בראשותו של ד"ר קאה-דה יו ממרכז הסרטן בשנגחאי באוניברסיטת פודן, פותחה גישה חדשה של למידה עמוקה שמוצאת באופן אוטומטי ומסווגת מיקרו-חיזורים בין מכונות שונות ואוכלוסיות חולים שונות–הבשלת דיוק ועקביות לסקר סרטן שד.
"מיקרו -חיפושים יכולים להיות רק כמה פיקסלים. מכאן שאיתור אותם בין רקמות רגילות זה כמו למצוא מחט בערימת שחת"מסביר ד"ר יו."רצינו מערכת שמתאימה לכל ממוגרפיה ולעולם לא משקיפה על שלטי אזהרה מוקדמים. "
החידוש של הצוות נשען על שתי התקדמות מרכזית:
- זיהוי אדפטיבי ורב-סולם: על ידי שילוב מודל מהיר יותר מבוסס רשת עצבית (R-CNN) עם רשת פירמידה (FPN), צינור מתמזג עם רזולוציות מרובות-המאפשר אותו כדי לאתר גם אשכולות גסים וגם כתמים פרטניים ללא כל שטח מכוון באופן ידני.
- אימונים חזקים ורב-מרכזי: מאומנים על 4,810 ממוגרפיה מאושרת ביופסיה (6,663 נגעים המפוצלים באופן שווה בין שפירים לממאירים) משלושה בתי חולים, המערכת מתקנת אוטומטית כל תמונה, כך שהיא פועלת בצורה חלקה על פני סורקים שונים והגדרות קליניות.
בבדיקות עיוורות, הצינור עיבד כל ממוגרפיה, והשיג כ- 75% דיוק כללי ברמת המיקרו-קלאס-רמה עם רגישות של 76% לנגעים ממאירים וכ- 72% דיוק ברמת השד.
"ניתן לפרוס פיתרון זה ישירות על תחנות עבודה רדיולוגיות סטנדרטיות, " מוסיף ד"ר יו. "על ידי סימון מראש של אזורים חשודים בכל ממוגרפיה, הוא מאפשר לרדיולוגים להתמקד במהירות באזורי דאגה, להפחית משמעותית הן לאבחנות שהוחמצו והן בביופסיות מיותרות-ובכך הקלו את אי הנוחות של המטופלים והורדת עלויות הבריאות."
צוות המחקר קבע את הקוד פתוח, והצעדים הבאים שלהם יתמקדו בשילוב המערכת בזרימות עבודה קליניות, במטרה להציע כלי אמין מונע AI להקרנת סרטן שד רחבה יותר.
