Mamografi yang dipandu AI mengurangi beban kerja sebesar 33% dan meningkatkan deteksi kanker payudara

Dalam penelitian terbaru yang dipublikasikan di Radiologi, peneliti dari Denmark dan Belanda melakukan analisis retrospektif terhadap efektivitas skrining dan beban keseluruhan skrining mamografi sebelum dan sesudah diperkenalkannya 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 meninjau banyak mammogram, yang sebagian besar tidak mengandung lesi yang mencurigakan.

Selain itu, skrining ganda, yang digunakan untuk mengurangi positif palsu dan meningkatkan deteksi, semakin meningkatkan beban kerja ahli radiologi. Kurangnya ahli radiologi khusus yang dapat membaca mammogram memperburuk situasi ini.

Studi terbaru telah mengeksplorasi secara ekstensif penggunaan AI untuk menganalisis laporan radiologi secara efektif sambil mempertahankan standar penyaringan yang tinggi. Pendekatan gabungan, di mana AI membantu ahli radiologi menyorot mammogram dengan lesi yang ditandai, diyakini dapat mengurangi beban kerja ahli radiologi sekaligus menjaga sensitivitas pemeriksaan.

Studi saat ini menggunakan pengukuran kinerja awal dari dua kelompok wanita yang menjalani pemeriksaan mamografi sebagai bagian dari Program Pemeriksaan Kanker Payudara Nasional Denmark untuk membandingkan perubahan beban kerja dan kinerja pemeriksaan setelah diperkenalkannya alat AI.

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

Para peneliti menggunakan dua kelompok perempuan: satu disaring sebelum dan satu lagi setelah diperkenalkannya sistem AI. Hanya perempuan berusia di bawah 70 tahun yang dimasukkan dalam analisis ini untuk mengecualikan mereka yang termasuk dalam subkelompok berisiko tinggi.

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

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

Sebuah tim yang sebagian besar terdiri dari ahli radiologi berpengalaman meninjau mammogram untuk kedua kelompok. Sebelum penerapan sistem AI, setiap pemeriksaan ditinjau oleh dua 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 menerapkan sistem AI, mammogram dengan skor kurang dari atau sama dengan 5 ditinjau oleh ahli radiologi senior, karena mengetahui bahwa mammogram tersebut hanya menerima satu pembacaan. Hal-hal yang memerlukan pemeriksaan lebih lanjut didiskusikan dengan ahli radiologi kedua.

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

Kohort yang disaring sebelum penerapan sistem AI terdiri dari lebih dari 60.000 perempuan, sedangkan kohort yang disaring menggunakan AI berjumlah sekitar 58.000 perempuan. 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 pada metode berbasis AI. Meskipun persentase kanker node-negatif tidak berubah, ukuran kinerja lainnya menunjukkan bahwa skrining berbasis AI meningkatkan hasil secara signifikan. Beban membaca juga menurun sebesar 33,5%.

Oleh karena itu, penelitian ini menilai efektivitas sistem pemeriksaan berbasis AI dalam mengurangi beban kerja ahli radiologi dan meningkatkan tingkat pemeriksaan mammogram sebagai bagian dari pemeriksaan kanker payudara massal di Denmark.

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