Prevenire cancro al seno con un algoritmo

Prevenire cancro al seno con un algoritmo. Secondo una nuova ricerca, l’emergente modello di deep learning AsymMirai, basato sulla mammografia e proposto come alternativa a una rete neurale di deeep learning precedentemente convalidata per la valutazione del rischio di cancro al seno a breve termine, ha mostrato una previsione del rischio di cancro comparabile con un’enfasi sulla dissimilarità bilaterale.

Questo studio retrospettivo ha coinvolto le mammografie ottenute da pazienti dell’EMory BrEast imaging Dataset, noto come EMBED, da gennaio 2013 a dicembre 2020. Per approssimare le previsioni del rischio di cancro al seno a 1-5 anni di Mirai, è stato costruito un altro modello basato sul deep learning, AsymMirai, con un modulo interpretabile: la dissimilarità bilaterale locale (differenze localizzate tra il tessuto mammario destro e sinistro). Sono stati calcolati i coefficienti di correlazione di Pearson tra i punteggi di rischio di Mirai e quelli di AsymMirai. L’analisi di sottogruppo è stata eseguita nelle pazienti per le quali il ragionamento di AsymMirai, anno dopo anno, era coerente. I punteggi di rischio di AsymMirai e Mirai sono stati confrontati utilizzando l’area sotto la curva caratteristica operativa del ricevitore (AUC) e gli IC al 95% sono stati calcolati con il metodo DeLong.

Costruita con un modulo interpretabile per la dissimilarità bilaterale locale negli esami mammografici, la piattaforma di deep learning AsymMirai può fornire una maggiore chiarezza del ragionamento alla base delle valutazioni di intelligenza artificiale (AI) del rischio di cancro al seno fino a cinque anni, con AUC comparabili a quelle di un modello di AI a scatola nera precedentemente validato.

Nello studio retrospettivo, pubblicato di recente su Radiology, i ricercatori hanno confrontato la capacità prognostica di AsymMirai con Mirai, un’altra modalità di valutazione del rischio di tumore al seno basata sul deep learning mammografico. Mentre entrambi i modelli utilizzano come input le viste mammografiche standard oblique mediolaterali e craniocaudali, gli autori dello studio hanno notato che Mirai è composto da una rete neurale convoluzionale e da un trasformatore. Secondo i ricercatori, AsymMirai, privo di trasformatore, mantiene la corrispondenza spaziale tra le immagini mammografiche inserite e le caratteristiche estratte e fornisce un punteggio di dissimilarità bilaterale basato sulla media dei punteggi per ciascun valore in ingresso.

Nell’analisi di 210.067 mammografie di screening di 81.824 pazienti, i ricercatori hanno riscontrato che AsymMirai offriva AUCs (area sotto le curve) per la valutazione del rischio di cancro al seno comparabili a quelle di Mirai. In particolare, il modello AsymMirai, con la sua enfasi sulla dissimilarità bilaterale locale, ha avuto AUC a uno, tre e cinque anni rispettivamente del 79%, 68% e 66%, rispetto all’84%, 72% e 71% del modello Mirai. Dimostrando che si può Prevenire cancro al seno con un algoritmo.
La rete neurale convoluzionale front-end esistente di Mirai per l’estrazione delle caratteristiche, (AysmMirai) calcola le differenze nello spazio latente, fornendo la posizione della dissimilarità, visivamente intuitiva. Questo punteggio si avvicina a quello di Mirai … con solo una leggera riduzione delle prestazioni di previsione del rischio a 1-5 anni”, hanno scritto l’autrice co-senior Cynthia Rudin, Ph.D., professore di informatica, ingegneria elettrica e informatica, scienze statistiche e biostatistica e bioinformatica, e direttore dell’Interpretabile Machine Learning Lab della Duke University, e i colleghi.

Notando il ruolo della coerenza della posizione per il tessuto evidenziato e una possibile soglia del 40% per lo spostamento della finestra di predizione, i ricercatori hanno notato una predizione superiore del cancro al seno per il modello AysmMirai in 383 pazienti che avevano uno spostamento della finestra del 40% o meno. In questa popolazione, AysmMirai ha dimostrato un’AUC del 92% a un anno e dell’88% a cinque anni.
“Inizialmente ci aspettavamo questo risultato perché AysmMirai avrebbe trovato anomalie nel tessuto prima dello sviluppo della lesione vera e propria”, hanno aggiunto Rudin e colleghi. “Sebbene ciò si verifichi, la maggior parte dei pazienti con una consistenza della localizzazione pari o inferiore al 40% ha mostrato pochi cambiamenti rispetto agli esami precedenti e quindi corrisponde a un gruppo a rischio molto basso…”.

I risultati della ricerca hanno mostrato maggiori differenze di AUC tra i modelli AsymMirai e Mirai per i pazienti di età compresa tra i 50 e i 70 anni (tra il 6 e l’8% di AUC in più per Mirai) e per le donne afroamericane (tra il 6 e il 9% in più per Mirai).
Al di là dei limiti intrinseci di uno studio retrospettivo, gli autori dello studio hanno riconosciuto che la dissomiglianza bilaterale potrebbe non essere l’unica base per le previsioni fatte con la piattaforma Mirai. Notando che i pazienti afroamericani costituivano il 3,75% del set di dati di addestramento per il sistema Mirai, i ricercatori hanno ammesso che la modalità non ha prestazioni uguali tra i gruppi razziali. I ricercatori hanno anche sottolineato, per quanto riguarda la coerenza della posizione negli esami mammografici, che i dati di follow-up a cinque anni erano disponibili solo per il 10,7% di coloro che avevano uno spostamento della finestra del 40% o inferiore.

Lo studio per Prevenire cancro al seno con un algoritmo ha tre risultati chiave

• IA interpretabile per la valutazione del rischio di cancro al seno. AsymMirai, con un modulo interpretabile per la dissimilarità bilaterale locale, può migliorare la chiarezza delle valutazioni dell’IA nella previsione del rischio di cancro al seno. L’interpretabilità aiuta a comprendere il ragionamento alla base delle previsioni generate dall’IA, che è fondamentale per l’accettazione clinica e la fiducia.
• AUC comparabili con una maggiore chiarezza del ragionamento. Oltre a impiegare un modulo interpretabile, AsymMirai dimostra prestazioni paragonabili a quelle di Mirai, un modello di IA a scatola nera, in termini di area sotto la curva (AUC) per la valutazione del rischio di cancro al seno. Ciò suggerisce che una migliore interpretabilità non compromette in modo significativo l’accuratezza predittiva e potrebbe offrire ai medici una visione più trasparente delle valutazioni del rischio generate dall’IA.
• Prestazioni predittive superiori in alcuni sottogruppi di pazienti. AsymMirai mostra una predizione superiore del tumore al seno, in particolare nelle pazienti con uno spostamento limitato nella finestra di predizione (40% o meno), mostrando AUC più elevate sia a uno (92%) che a cinque anni (88%). Gli autori dello studio hanno indicato il potenziale di AsymMirai nel rilevare più precocemente le anomalie nel tessuto mammario, facilitando eventualmente strategie di intervento o di gestione del rischio più tempestive. Tuttavia, la differenza di prestazioni tra AsymMirai e Mirai varia a seconda dei gruppi demografici, con Mirai più performante per le pazienti di età compresa tra i 50 e i 70 anni e per le donne afroamericane, evidenziando l’importanza di considerare i fattori demografici nei modelli di valutazione del rischio basati sull’intelligenza artificiale.

(fonte)

Innovaformazione, scuola informatica specialistica promuove la cultura dell’intelligenza artificiale e degli algoritmi di deep learning. Su queste tematiche trovate alcuni corsi rivolti alle aziende:

Corso Deep Learning con TensorFlow

Corso Data Scientist con Python

Corsi AI Generativa

INFO: info@innovaformazione.net – Tel. 3471012275 (Dario Carrassi)