La mammografia è uno strumento efficace per ridurre la mortalità causata dal cancro al seno, tuttavia comporta il rischio di risultati falsi positivi. Negli ultimi anni, l’uso di sistemi AI in questo ambito è stato oggetto di numerosi studi. Andreas D. Lauritzen, Ph.D., ricercatore presso l’Università di Copenhagen e l’ospedale di Gentofte, ha sottolineato il potenziale dell’AI nel migliorare le prestazioni dello screening.
L’AI, utilizzata per selezionare i risultati di screening probabilmente normali o per assistere nel supporto decisionale, può ridurre significativamente il carico di lavoro dei radiologi. Lauritzen ha evidenziato come la screening mammografico basato sulla popolazione riduca la mortalità da cancro al seno, ma imponga un notevole carico di lavoro ai radiologi, che devono esaminare un grande numero di mammografie, la maggior parte delle quali non richiede un richiamo del paziente. Il lavoro di lettura è ulteriormente aumentato quando i programmi di screening prevedono una doppia lettura per migliorare il rilevamento del cancro e diminuire i richiami falsi positivi.
Lo studio condotto da Lauritzen e colleghi mirava a confrontare il carico di lavoro e le prestazioni di screening in due coorti di donne sottoposte a screening prima e dopo l’implementazione dell’AI. Lo studio retrospettivo ha confrontato due gruppi di donne tra i 50 e i 69 anni che hanno subito screening mammografico biennale nella regione della capitale danese.
Nel primo gruppo, due radiologi hanno letto le mammografie delle donne esaminate tra ottobre 2020 e novembre 2021 prima dell’implementazione dell’AI. Le mammografie del secondo gruppo, effettuate tra novembre 2021 e ottobre 2022, sono state inizialmente analizzate dall’AI. Le mammografie ritenute probabilmente normali dall’AI sono state poi lette da uno dei 19 radiologi specializzati a tempo pieno (lettura singola), mentre le rimanenti mammografie sono state lette da due radiologi (doppia lettura) con supporto decisionale assistito dall’AI.
Il sistema AI utilizzato per lo screening, sviluppato attraverso modelli di apprendimento profondo, era addestrato a evidenziare e valutare lesioni sospette e calcificazioni all’interno delle mammografie. Tutte le donne che hanno subito lo screening mammografico sono state seguite per almeno 180 giorni. Il cancro invasivo e il carcinoma duttale in situ (DCIS) rilevati attraverso lo screening sono stati confermati tramite biopsia con ago o campioni chirurgici.
I risultati dell’implementazione dell’AI hanno mostrato che, rispetto allo screening senza AI, quello con AI ha rilevato significativamente più cancro al seno (0,82% contro 0,70%) e ha avuto un tasso più basso di falsi positivi (1,63% contro 2,39%). Nel gruppo esaminato con AI, il tasso di richiamo è diminuito del 20,5% e il carico di lavoro di lettura dei radiologi è stato ridotto del 33,4%. Il valore predittivo positivo dello screening con AI è stato inoltre maggiore rispetto a quello senza AI (33,5% contro 22,5%). Nel gruppo AI, una percentuale maggiore di cancri invasivi rilevati aveva una dimensione di 1 centimetro o meno (44,93% contro 36,60%).
Lauritzen ha sottolineato che tutti gli indicatori di performance dello screening sono migliorati, eccetto il tasso di nodi negativi, che non ha mostrato evidenze di cambiamento. Ha inoltre indicato la necessità di ulteriori ricerche per valutare gli esiti a lungo termine e assicurarsi che la sovradiagnosi non aumenti. Ha evidenziato come i radiologi abbiano tipicamente accesso alle precedenti mammografie delle donne, ma il sistema AI no, un aspetto su cui si intende lavorare in futuro. Ha anche ricordato che non tutti i paesi seguono gli stessi protocolli e intervalli di screening per il cancro al seno.