→ العودة إلى الصفحة الرئيسية

الذكاء الاصطناعي يساعد في قراءة صور الثدي الشعاعية: دراسة استعادية ترصد ارتفاع معدل اكتشاف آفات سرطان الثدي

في بيانات صور تخص 321 مريضة بسرطان الثدي، بلغ معدل اكتشاف الآفات عند الجمع بين قراءة الأطباء والذكاء الاصطناعي 90.6%، بزيادة قدرها 3 نقاط مئوية مقارنة بقراءة الأطباء وحدهم. لكن هذه البيانات جاءت جميعها من مريضات بالسرطان، ولذلك لا يمكنها بعد تحديد مقدار الزيادة في النتائج الإيجابية الكاذبة ضمن الفحص العام للكشف المبكر.

By SURL BioNews

قد يوفر اكتشاف آفة سرطانية إضافية عند قراءة صور الثدي الشعاعية دليلًا إضافيًا للتشخيص والعلاج؛ لكن ما إذا كانت زيادة الاكتشاف ستؤدي أيضًا إلى خضوع أشخاص غير مصابين بالسرطان لمزيد من الفحوص يؤثر بدوره في القيمة السريرية للأداة. تشير دراسة جديدة إلى أن الجمع بين قراءة الذكاء الاصطناعي (AI) وأطباء الأشعة يمكن أن يرفع معدل اكتشاف الآفات لدى المريضات اللواتي تأكد تشخيص إصابتهن بسرطان الثدي، لكن الإجابة عن فائدته الإجمالية في الفحص العام للكشف المبكر لا تزال غير مكتملة.

حللت هذه الدراسة المحكّمة، المنشورة في 23 أكتوبر في «Journal of Imaging Informatics in Medicine»، بأثر رجعي 331 آفة لدى 321 مريضة بسرطان الثدي، وقارنت أداء الأطباء وحدهم، والذكاء الاصطناعي وحده، والجمع بينهما في قراءة الصور. وهي تختبر القدرة على التعرّف على الآفات في الصور باستخدام حالات موجودة سابقًا، وليست تجربة استباقية للكشف المبكر أُجريت على عموم الخاضعات للفحص.

أفادت الدراسة بأن معدل اكتشاف الآفات عند الجمع بين قراءة الأطباء والذكاء الاصطناعي بلغ 90.6%، مقابل 87.6% عند قراءة الأطباء وحدهم، بفارق مطلق قدره 3 نقاط مئوية. والمقام المستخدم هنا هو عدد الآفات السرطانية المشمولة في الدراسة؛ لذا لا يجوز تفسير هذه النسبة على أنها دقة التشخيص لدى جميع الخاضعات لتصوير الثدي الشعاعي، كما أنها لا تعني وجود دليل على انخفاض خطر الوفاة.

يُخرج نظام الذكاء الاصطناعي المستخدم في الدراسة تصنيفات وفق نظام تقارير وبيانات تصوير الثدي (BI-RADS)، بما يتيح عرض نتائج الخوارزمية بأسلوب تصنيف مألوف سريريًا. وقارنت الدراسة أيضًا تقييم البشر والذكاء الاصطناعي لسمات الصور، ووجدت أن درجة الاتفاق بينهما تختلف باختلاف السمة. ويشير ذلك إلى أن قيمة الجمع بين القراءتين قد تأتي من التكامل في التعرّف على الآفات، وأن مقدار المساعدة قد يختلف بين أنواع العلامات الظاهرة في الصور.

يتمثل القيد الأهم في أن جميع المشاركات في الدراسة كنّ مصابات بسرطان الثدي. وفي غياب غير المصابات بالسرطان، لا يمكن تقييم النوعية تقييمًا كاملًا، أي القدرة على استبعاد الحالات غير السرطانية بصورة صحيحة؛ كذلك لا يمكن الاستناد إلى هذه النتائج لتحديد مقدار زيادة النتائج الإيجابية الكاذبة أو انخفاضها بعد إضافة الذكاء الاصطناعي، وما ينجم عنها من أعباء فحوص التصوير الإضافية أو الخزعات.

تقدم هذه النتائج دعمًا محدودًا وملموسًا لقراءة الصور بمساعدة الذكاء الاصطناعي: ففي هذه المجموعة من حالات السرطان، أتاح الجمع بين البشر والآلة بالفعل اكتشاف نسبة أعلى من الآفات. ولتحديد ما إذا كان ذلك يمكن أن يحسن الفحص الروتيني للكشف المبكر، لا بد أن يشمل التحقق اللاحق غير المصابات بالسرطان، وأن يقيس ضمن سير العمل الفعلي كلًا من الحالات التي يفوت تشخيصها، والنتائج الإيجابية الكاذبة، والفحوص الإضافية، حتى تتضح الفائدة الإجمالية لاكتشاف مزيد من الآفات.

References

  1. Journal of Imaging Informatics in Medicine