Onderzoekers hebben een model voor kunstmatige intelligentie ontwikkeld dat in realtime kan voorspellen of chirurgen al het kankerweefsel hebben verwijderd tijdens een borstkankeroperatie door mammogrammen van het verwijderde weefsel te onderzoeken. Het model presteerde even goed of zelfs beter dan menselijke artsen.
De voorkeursbehandeling voor borstkanker in een vroeg stadium is een borstsparende operatie of gedeeltelijke borstamputatie, gecombineerd met bestralingstherapie. Al het kankerachtige borstweefsel moet tijdens de operatie worden verwijderd om te voorkomen dat de kanker terugkeert. De inspectiemethode is het controleren van de buitenrand van het gereseceerde weefsel om er zeker van te zijn dat het geen kankercellen bevat, wat de "negatieve marge" is.
Mammografie van weefsel (specimenmammografie) is een wijdverbreid middel om negatieve marges te garanderen, omdat het in de operatiekamer kan worden uitgevoerd en onmiddellijke feedback geeft. Het is echter mogelijk dat beeldvorming van het borstmonster niet nauwkeurig is, en als later kankercellen worden gevonden, kan verdere operatie nodig zijn om meer weefsel te verwijderen.
Onderzoekers van de University of North Carolina (UNC) School of Medicine hebben een model voor kunstmatige intelligentie ontwikkeld dat in realtime kan voorspellen of kankerweefsel volledig is verwijderd tijdens een borstkankeroperatie.
Kristalyn Gallagher, een van de corresponderende auteurs van de studie, zei: "Sommige vormen van kanker kun je voelen en zien, maar we kunnen de kleine kankercellen die mogelijk aanwezig zijn aan de randen van het verwijderde weefsel niet zien. Andere vormen van kanker zijn volledig microscopisch. Met dit hulpmiddel voor kunstmatige intelligentie kunnen we operatief verwijderde tumoren in realtime nauwkeuriger analyseren en de kans vergroten dat alle kankercellen tijdens de operatie worden verwijderd. Dit voorkomt dat patiënten een tweede of derde operatie moeten ondergaan."
Om het AI-model te ‘leren’ hoe negatieve en positieve marges eruit zien, gebruikten de onderzoekers 821 mammografiebeelden die onmiddellijk na resectie waren genomen en vergeleken met de definitieve specimenrapporten van pathologen. Meer dan de helft (53%) van de afbeeldingen was randpositief. Ze voedden ook de demografische gegevens van de modelpatiënt, zoals leeftijd, ras, tumortype en tumorgrootte.
Ze ontdekten dat het kunstmatige-intelligentiemodel een gevoeligheid van 85%, een specificiteit van 45% en een gebied onder de receiver operating karakteristieke curve (AUROC) van 0,71 had. Gevoeligheid meet het vermogen van het model om positieve gevallen te detecteren, terwijl specificiteit het aandeel echt negatieve gevallen meet dat het model correct identificeert. AUROC meet de algehele prestaties van het model en geeft een waarde tussen 0 en 1, waarbij 0,5 een willekeurige gok vertegenwoordigt en 1 een perfecte prestatie vertegenwoordigt.
Vergeleken met de nauwkeurigheid van menselijke interpretaties presteren AI-modellen net zo goed of beter dan mensen, zeggen onderzoekers. Om dit in perspectief te plaatsen: uit eerdere onderzoeken is gebleken dat de gevoeligheid van beeldvormende borstspecimens varieert van 20% tot 58%, en dat de AUROC varieert van 0,60 tot 0,73.
"Het is interessant om na te denken over hoe AI-modellen computervisie kunnen gebruiken om de besluitvorming van artsen en chirurgen in de operatiekamer te ondersteunen", zegt Kevin Chen, eerste auteur van het onderzoek. "We ontdekten dat AI-modellen net zo goed of zelfs iets beter waren dan mensen in het identificeren van positieve kanten."
Het model helpt bij het identificeren van marges bij patiënten met dichtere borsten. Op een mammogram zien dicht borstweefsel en tumoren er beide helderwit uit, waardoor het moeilijk is om gezond weefsel van kankerweefsel te onderscheiden.
De onderzoekers zeggen dat hun AI-model kan worden gebruikt in ziekenhuizen met minder middelen, zoals gespecialiseerde chirurgen, radiologen of pathologen, om snelle, weloverwogen beslissingen te nemen in de operatiekamer.
"Het is alsof je een extra ondersteuningslaag biedt aan ziekenhuizen die misschien niet over de bestaande expertise beschikken", zegt co-corresponderend auteur Shawn Gomez. "In plaats van de beste inschattingen te maken, kunnen chirurgen worden ondersteund door modellen die zijn getraind op honderden of duizenden beelden en krijgen ze onmiddellijke chirurgische feedback om beter geïnformeerde beslissingen te nemen."
Het AI-model bevindt zich nog in de beginfase en de onderzoekers zullen het blijven trainen met meer mammogrammen om de nauwkeurigheid bij het identificeren van randen te verbeteren. Dit model vereist verder onderzoek en validatie voordat het op klinische toepassingen kan worden toegepast.
De studie werd gepubliceerd in het tijdschrift Annals of Surgical Oncology.