AI reforça avaliação da lesão no ultrassom mamário

Um aplicativo de software de ultrassom de mama baseado em inteligência artificial (IA) pode melhorar a precisão e consistência da avaliação de lesões para leitores em uma ampla gama de especialidades e níveis de experiência, de acordo com pesquisa publicada on-line em abril no American Journal de Roentgenology.

Em uma revisão retrospectiva multicêntrica envolvendo 900 lesões, o software comercial de ultrassom com IA produziu uma melhora significativa na área sob a curva (AUC) para 14 de 15 leitores médicos. Também ajudou a diminuir a variabilidade interobservadores e intraobservadores, de acordo com os pesquisadores do Memorial Sloan Kettering Cancer Center (MSKCC) e do Columbia University Irving Medical Center, ambos na cidade de Nova York.

Para avaliar o impacto do software de IA na avaliação das lesões de ultrassom da mama, os pesquisadores recrutaram 15 leitores, incluindo 11 radiologistas de diagnóstico que lêem imagens de mama em sua prática clínica, dois cirurgiões de mama e dois obstetras / ginecologistas. Dos 11 radiologistas, quatro haviam completado o treinamento da bolsa de mama. Os radiologistas presentes tinham experiência variando de 2 a 31 anos. Todos os leitores receberam uma sessão de treinamento on-line de 30 minutos sobre o software.

Usando a versão 2.0.0.1 da Koios DS Study Tool (Koios Medical), os leitores analisaram 900 lesões mamárias duas vezes em duas sessões. Na primeira sessão, os casos foram apresentados aleatoriamente aos leitores de uma de duas maneiras: apenas como imagens de ultrassom ou como imagens de ultrassom com a ajuda do software. Na segunda sessão, quatro semanas depois, os leitores avaliaram os mesmos casos, mas no formato oposto. 

Em cada sessão, os leitores avaliaram 750 lesões mamárias. Para avaliar a variabilidade entre participantes, os pesquisadores também incluíram 75 casos somente de ultrassom e 75 casos de ultrassom com saída de IA duplicados da mesma sessão. Quatro semanas depois, os leitores revisaram novamente os 900 estudos, mas no formato oposto da primeira sessão. 

"Nosso estudo indica que a sensibilidade e especificidade da saída baseada em IA [suporte à decisão] se comparam favoravelmente com as de médicos de várias subespecialidades na avaliação de imagens estáticas ortogonais da mama [ultrassom]", escreveram os pesquisadores, liderados pelo primeiro autor Dr. Victoria Mango de MSKCC. "É interessante notar que o desempenho autônomo do sistema, medido pela AUC, ainda era maior que [ultrassom] mais [suporte à decisão]. Dado o desempenho do sistema autônomo, a saída [suporte à decisão] pode ter um impacto maior se for usado com mais frequência ".

Com uma exceção, todos os leitores experimentaram um aumento significativo na AUC com o uso do software de IA. O declínio no desempenho de um leitor não alcançou significância estatística, no entanto, e provavelmente ocorreu devido à variabilidade entre leitores, de acordo com os pesquisadores.

Em outras descobertas, os pesquisadores observaram que o software levou a melhorias na variabilidade média entre leitores e entre leitores. Além disso, a taxa de verossimilhança positiva do sistema de IA foi de 1,98, superior a todos, exceto um leitor. O software Koios agora precisa ser avaliado prospectivamente em um ambiente clínico, observaram os pesquisadores.

Fonte: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=128818

Os escores de saída de IA foram apresentados para estudar os leitores em forma gráfica como um relato de caso eletrônico em conjunto com imagens de ultra-som ortogonais da lesão para esse caso. O painel direito mostra a avaliação categórica, neste caso "suspeita", com um marcador triangular indicando a confiança da avaliação nessa categoria. Neste exemplo, o software de IA classifica corretamente essa lesão como suspeita; malignidade (carcinoma ductal invasivo) foi confirmada por biópsia guiada por ultrassom. LoM = probabilidade de malignidade, B = benigna, P = provavelmente benigna, S = suspeita, M = provavelmente maligna. Imagens e legenda cortesia do American Journal of Roentgenology .