I ricercatori del MIT e del Massachusetts General Hospital hanno sviluppato un modello automatizzato che valuta il tessuto mammario denso nelle mammografie, che è un fattore di rischio indipendente per il cancro al seno, con la stessa affidabilità dei radiologi esperti.

Questo segna la prima volta che un modello di deep learning di questo tipo è stato utilizzato con successo in una clinica su pazienti reali, secondo i ricercatori. Con ampia attuazione, i ricercatori sperano che il modello possa aiutare a portare una maggiore affidabilità alle valutazioni della densità del seno in tutta la nazione.

Si stima che più di 40 per cento degli Stati Uniti. le donne hanno tessuto mammario denso, che da solo aumenta il rischio di cancro al seno. inoltre, il tessuto denso può mascherare i tumori sulla mammografia, rendendo lo screening più difficile. Di conseguenza, 30 U.S.. afferma che le donne devono essere informate se le loro mammografie indicano che hanno un seno denso.

Ma le valutazioni della densità del seno si basano su una valutazione umana soggettiva. A causa di molti fattori, i risultati variano, a volte drammaticamente, tra i radiologi. I ricercatori del MIT e dell'MGH hanno addestrato un modello di deep learning su decine di migliaia di mammografie digitali di alta qualità per imparare a distinguere diversi tipi di tessuto mammario, da grasso a estremamente denso, sulla base di valutazioni di esperti. Data una nuova mammografia, il modello può quindi identificare una misurazione della densità che si allinea strettamente con l'opinione degli esperti.

“La densità del seno è un fattore di rischio indipendente che guida il modo in cui comunichiamo con le donne sul rischio di cancro. La nostra motivazione era quella di creare uno strumento accurato e coerente, che possono essere condivisi e utilizzati tra i sistemi sanitari," dice Adam Yala, uno studente di dottorato nel Laboratorio di Informatica e Intelligenza Artificiale del MIT (CSAIL) e secondo autore in un articolo che descrive il modello che è stato pubblicato oggi in Radiologia.

Gli altri coautori sono la prima autrice Constance Lehman, professore di radiologia alla Harvard Medical School e direttore dell'imaging mammario all'MGH; Dottorando CSAIL Tal Schuster; Kyle Swanson '18, un ricercatore CSAIL e dottorando presso il Dipartimento di Ingegneria Elettrica e Informatica; e l'autore senior Regina Barzilay, il Professore di Elettronica Delta al CSAIL e il Dipartimento di Ingegneria Elettrica e Informatica del MIT e membro del Koch Institute for Integrative Cancer Research al MIT.

Densità di mappatura

Il modello è costruito su una rete neurale convoluzionale (CNN), che viene utilizzato anche per attività di visione artificiale. I ricercatori hanno formato e testato il loro modello su un set di dati di oltre 58,000 mammografie selezionate casualmente da più di 39,000 donne proiettate tra 2009 e 2011. Per allenamento, hanno usato in giro 41,000 mammografie e, per il test, di 8,600 mammografie.

Ciascuna mammografia nel set di dati dispone di un sistema di report e dati di imaging mammario standard (BI-RADS) valutazione della densità del seno in quattro categorie: Grasso, sparpagliato (densità diffusa), eterogeneo (per lo più denso), e denso. Sia nell'allenamento che nei test mammografici, di 40 la percentuale è stata valutata come eterogenea e densa.

Durante il processo di formazione, al modello vengono fornite mammografie casuali da analizzare. Impara a mappare la mammografia con valutazioni di densità di radiologo esperti. Seni densi, anche l'Organizzazione Mondiale della Sanità, contengono tessuto connettivo ghiandolare e fibroso, che appaiono come reti compatte di linee bianche spesse e macchie bianche solide. Le reti di tessuto adiposo appaiono molto più sottili, con zona grigia dappertutto. In prova, il modello osserva nuove mammografie e prevede la categoria di densità più probabile.

Valutazioni corrispondenti

Il modello è stato implementato presso la divisione di imaging del seno dell'MGH. In un flusso di lavoro tradizionale, quando viene eseguita una mammografia, viene inviato a una workstation per la valutazione di un radiologo. Il modello dei ricercatori è installato in una macchina separata che intercetta le scansioni prima che raggiunga il radiologo, e assegna a ciascuna mammografia un indice di densità. Quando i radiologi eseguono una scansione sulle loro postazioni di lavoro, vedranno la valutazione assegnata al modello, che poi accettano o rifiutano.

“Ci vuole meno di un secondo per immagine... [e può essere] facilmente ed economicamente scalabile in tutti gli ospedali”. dice Yala.

Su oltre 10,000 mammografie a MGH da gennaio a maggio di quest'anno, il modello realizzato 94 accordo percentuale tra i radiologi dell'ospedale in un test binario, che determina se i seni erano eterogenei e densi, o grasso e sparso. In tutte e quattro le categorie BI-RADS, corrispondeva alle valutazioni dei radiologi a 90 per cento. “L'MGH è un centro di imaging mammario di prim'ordine con un elevato accordo inter-radiologo, e questo set di dati di alta qualità ci ha permesso di sviluppare un modello solido,dice Yala.

In generale test utilizzando il set di dati originale, il modello corrispondeva alle interpretazioni originali degli esperti umani a 77 percento in quattro categorie BI-RADS e, nei test binari, corrispondeva alle interpretazioni a 87 per cento.

Rispetto ai modelli predittivi tradizionali, i ricercatori hanno utilizzato una metrica chiamata punteggio kappa, dove 1 indica che le previsioni concordano ogni volta, e qualsiasi cosa inferiore indica meno istanze di accordi. I punteggi Kappa per i modelli di valutazione della densità automatica disponibili in commercio ottengono un punteggio massimo di circa 0.6. Nell'applicazione clinica, il modello dei ricercatori ha ottenuto un punteggio 0.85 punteggio kappa e, in prova, ha segnato un 0.67. Ciò significa che il modello effettua previsioni migliori rispetto ai modelli tradizionali.

In un ulteriore esperimento, i ricercatori hanno testato l'accordo del modello con il consenso di cinque radiologi MGH di 500 mammografie di prova casuali. I radiologi hanno assegnato la densità del seno alle mammografie senza conoscere la valutazione originale, o le valutazioni dei loro pari o del modello. In questo esperimento, il modello ha ottenuto un punteggio kappa di 0.78 con il consenso del radiologo.

fonte:

http://news.mit.edu, di Rob Matheson