Mamografi dengan panduan AI mengurangi beban kerja hingga 33% dan meningkatkan deteksi kanker payudara

Dalam studi terkini yang diterbitkan dalam jurnal Radiology, peneliti dari Denmark dan Belanda melakukan analisis retrospektif terhadap efektivitas skrining dan beban skrining mammografi secara keseluruhan sebelum dan sesudah pengenalan sistem kecerdasan buatan (AI).

Pemeriksaan mamografi rutin untuk kanker payudara secara signifikan mengurangi angka kematian akibat penyakit ini. Namun, pemeriksaan mamografi massal meningkatkan beban kerja ahli radiologi yang harus menganalisis banyak mammogram, yang sebagian besar tidak mengandung lesi yang mencurigakan.

Selain itu, pemeriksaan ganda, yang digunakan untuk mengurangi hasil positif palsu dan meningkatkan deteksi, semakin menambah beban kerja ahli radiologi. Kekurangan ahli radiologi spesialis yang dapat membaca mammogram memperburuk situasi ini.

Studi terkini telah mengeksplorasi secara ekstensif penggunaan AI untuk menganalisis laporan radiologi secara efisien sambil mempertahankan standar skrining yang tinggi. Pendekatan gabungan di mana AI membantu ahli radiologi menyorot mammogram dengan lesi yang ditandai dianggap dapat mengurangi beban kerja ahli radiologi sambil mempertahankan sensitivitas skrining.

Studi saat ini menggunakan ukuran kinerja awal dari dua kelompok wanita yang menjalani pemeriksaan mammografi sebagai bagian dari program pemeriksaan kanker payudara nasional Denmark untuk membandingkan perubahan dalam beban pemeriksaan dan kinerja setelah pengenalan alat AI.

Program ini mengundang wanita berusia 50 hingga 69 tahun untuk menjalani pemeriksaan setiap dua tahun hingga usia 79 tahun. Wanita dengan penanda yang menunjukkan peningkatan risiko kanker payudara, seperti gen BRCA, menjalani pemeriksaan dengan protokol yang berbeda.

Para peneliti menggunakan dua kelompok wanita: satu kelompok disaring sebelum sistem AI diperkenalkan dan satu kelompok setelahnya. Analisis ini hanya mencakup wanita di bawah usia 70 tahun untuk mengecualikan mereka yang berada dalam subkelompok berisiko tinggi.

Semua peserta menjalani protokol standar menggunakan mamografi digital dengan pandangan kraniokaudal dan mediolateral oblik. Semua kasus positif dalam penelitian ini diidentifikasi melalui skrining karsinoma duktal atau kanker invasif, yang dikonfirmasi melalui biopsi jarum. Data tentang laporan patologi, ukuran lesi, keterlibatan kelenjar getah bening, dan diagnosis juga diperoleh dari registri kesehatan nasional.

Sistem AI yang digunakan untuk menganalisis mammogram dilatih menggunakan model pembelajaran mendalam untuk mendeteksi, menyorot, dan menilai kalsifikasi atau benjolan yang mencurigakan pada mammogram. AI kemudian mengklasifikasikan pemeriksaan pada skala 1 hingga 10, yang menunjukkan kemungkinan kanker payudara.

Tim yang sebagian besar terdiri dari ahli radiologi berpengalaman meninjau mammogram untuk kedua kelompok. Sebelum sistem AI, setiap pemeriksaan ditinjau oleh dua orang ahli radiologi, dan pasien direkomendasikan untuk menjalani pemeriksaan klinis dan biopsi jarum hanya jika kedua ahli radiologi menganggap pemeriksaan tersebut memerlukan evaluasi lebih lanjut.

Setelah sistem AI diterapkan, mammogram dengan skor 5 atau kurang ditinjau oleh seorang ahli radiologi senior, dengan mengetahui bahwa mammogram tersebut hanya akan menerima satu hasil. Mammogram yang memerlukan pemeriksaan lebih lanjut didiskusikan dengan ahli radiologi kedua.

Studi tersebut menemukan bahwa penerapan sistem AI secara signifikan mengurangi beban kerja ahli radiologi yang menganalisis mammogram sebagai bagian dari pemeriksaan kanker payudara massal, sekaligus meningkatkan efektivitas pemeriksaan.

Kelompok yang disaring sebelum sistem AI diterapkan mencakup lebih dari 60.000 wanita, sedangkan kelompok yang disaring dengan AI mencakup sekitar 58.000 wanita. Skrining dengan AI menghasilkan peningkatan diagnosis kanker payudara (0,70% sebelum AI vs. 0,82% dengan AI) sekaligus mengurangi jumlah positif palsu (2,39% vs. 1,63%).

Skrining berbasis AI memiliki nilai prediktif positif yang lebih tinggi dan persentase kanker invasif lebih rendah dengan metode berbasis AI. Meskipun persentase kanker dengan nodus negatif tidak berubah, ukuran kinerja lainnya menunjukkan bahwa skrining berbasis AI meningkatkan hasil secara signifikan. Beban baca juga berkurang hingga 33,5%.

Singkatnya, penelitian ini menilai efektivitas sistem penyaringan berbasis AI dalam mengurangi beban kerja ahli radiologi dan meningkatkan tingkat penyaringan dalam analisis mammogram sebagai bagian dari penyaringan kanker payudara massal di Denmark.

Hasilnya menunjukkan bahwa sistem berbasis AI secara signifikan mengurangi beban kerja ahli radiologi sekaligus meningkatkan tingkat skrining, sebagaimana dibuktikan oleh peningkatan signifikan dalam diagnosis kanker payudara dan pengurangan signifikan dalam hasil positif palsu.