Een mammografie kan jarenlang in stilte bewaard blijven, zonder dat iemand erop terugkomt. Dan komt er een algoritme, leest het na enige tijd opnieuw en vindt iets dat destijds onvindbaar was gebleven: een hogere score, een kleine anomalie, een signaal dat nog te zwak is om een diagnose meteen te veranderen, interessant genoeg om meer aandacht te vragen.
Dit is het meest concrete deel van het onderzoek dat hierover is gepubliceerd Radiologie: Drie commerciële kunstmatige intelligentiesystemen toegepast op eerder uitgevoerde mammografieën lieten hogere scores zien bij mensen die in de daaropvolgende jaren de diagnose borstkanker zouden krijgen. Het werk maakte gebruik van de Zweedse database Validatie van kunstmatige intelligentie voor borstbeeldvormingmet gegevens verzameld in vier regio’s van Zweden tussen januari 2008 en april 2019. In totaal werden 88.963 mammogrammen van 31.394 mensen geanalyseerd.
Het signaal vóór de diagnose
De onderzoekers keken terug, tot tien jaar vóór de diagnose, met behulp van drie AI-CAD-systemen: computerondersteunde detectiehulpmiddelen ontworpen voor mammografie. In de geanalyseerde steekproef, verrijkt om vele oncologische gevallen te bestuderen, hadden toen 12.072 mensen de diagnose borstkanker gekregen. De vraag was heel praktisch: die software zou andere scores hebben toegekend aan eerdere mammografieën, vergeleken met de beelden van degenen die zonder de diagnose kanker zouden zijn gebleven.
Het antwoord luidt, met alle nodige voorzorgsmaatregelen, in de richting van ja. Met een specificiteit van 90%, d.w.z. met een drempel die is ontworpen om positieve gevallen met goede precisie van negatieve te onderscheiden, rapporteerde de AI al zes jaar vóór de geregistreerde diagnose tussen 19,0% en 19,7% van de toekomstige kankers. Vier jaar eerder steeg het aandeel naar 25,2%, twee jaar eerder bedroeg het 39,3%. Tien jaar eerder was het signaal zwakker, maar aanwezig in een bereik tussen 12,7% en 17,0%.
De sterkste gegevens hebben daarom betrekking op de ongeveer 20% van de borsttumoren die al ongeveer zes jaar vóór de diagnose sporen lijken na te laten op mammografische beelden die door kunstmatige intelligentie kunnen worden gelezen. Subtiele sporen, op dat moment vaak buiten het bereik van het menselijk oog, of te dubbelzinnig om een gewoon klinisch pad te activeren.
Nog een lens
Het Zweedse systeem helpt de context te begrijpen. Het nationale programma nodigt vrouwen tussen 40 en 74 jaar uit om elke twee jaar een mammografie te laten maken, waarbij de meting traditioneel door twee radiologen wordt uitgevoerd. In de onderzochte periode waren AI-scores alleen beschikbaar voor onderzoek: radiologen die de examens lazen, werkten vervolgens zonder die ondersteuning.
Dit verandert de manier waarop u de resultaten leest aanzienlijk. Hier kijkt de kunstmatige intelligentie naar beelden uit het verleden en wist door de gegevens al wie een tumor zou hebben ontwikkeld. De studie toont potentieel aan: het gebruik van AI-scores in de loop van de tijd om te identificeren wie mogelijk meer waakzaamheid nodig heeft, misschien met aanvullende tests zoals een MRI, vooral omdat het radiologische profiel van de ene screening naar de andere begint te veranderen.
Voorzichtigheid blijft noodzakelijk. De auteurs zelf herinneren zich de beperkingen van het werk: het is een retrospectieve studie, met een dataset gebouwd voor onderzoek; vroege identificatie wordt gedefinieerd als “potentieel”; een volledige analyse van de exacte lokalisatie van de toekomstige tumor in de beelden ontbreekt; en het valt nog te begrijpen hoe deze signalen klinische beslissingen kunnen worden zonder al te veel angst, terugroepacties, kosten en onnodige tests te vergroten.
Wat verandert er bij screening
Het meest interessante idee betreft gepersonaliseerde screening. Tegenwoordig volgt mammografie voornamelijk leeftijd, kalender en bekende risicofactoren. Volwassen gebruik van AI zou een extra laag kunnen toevoegen: observeer hoe scores in de loop van de tijd veranderen, en beperk je niet tot één enkel beeld. Een geïsoleerde score kan fluctueren, twijfels veroorzaken en vals alarm genereren. Twee opeenvolgende signalen, of een sterke toename tussen vertoningen, kunnen nuttiger worden bij het beslissen wie het beste wordt gescreend.
In Italië omvat de georganiseerde mammografiescreening elke twee jaar een mammografie voor vrouwen tussen 50 en 69 jaar, met mogelijke regionale uitbreidingen ook naar de leeftijdsgroepen 45-49 en 70-74 jaar. Vertaald naar de dagelijkse praktijk verandert dit onderzoek op zich niets aan de indicaties voor patiënten, maar geeft het een heel concrete richting aan voor publieke programma’s: begrijpen of AI kan helpen beter te kiezen wie teruggeroepen moet worden, wie nauwer gevolgd moet worden en wie naar aanvullende tests gestuurd moet worden.
Zweden zelf is bovendien al een van de meest geobserveerde laboratoria op dit gebied. Een ander groot Zweeds onderzoek naar het gebruik van AI bij mammografiescreening, de MASAI-studie, duidde op een vermindering van het aantal intervalkankers en een verlichting van de leeslast voor radiologen, waardoor de menselijke controle binnen het bereik bleef. Ook hier lijkt de richting duidelijk: AI werkt het beste als het een klinisch hulpmiddel blijft, en geen automatische sluiproute.
De delicate stap zal zijn om deze gegevens uit de archieven en in veilige protocollen te brengen. We hebben prospectieve studies nodig, voortdurende monitoring, evaluaties van de kosten, valse positieven, toegang tot aanvullende tests en psychologische impact op de teruggeroepen mensen. Een algoritme dat iets eerder ziet, kan waardevol zijn. Als het verkeerd wordt gebruikt, kan het het aantal terugroepacties, onnodige tests en angst vergroten.
Mogelijk bent u ook geïnteresseerd in:
