Tổng quan
- Trí tuệ nhân tạo (AI) đã chứng minh khả năng nhận dạng các vùng nguy cơ cao trên phim chụp X-quang sàng lọc, gợi ý về các ca ung thư vú khoảng cách (IBCs) bị bỏ sót.
- AI đã phát hiện nhiều IBCs không có dấu hiệu bất thường đối với bác sĩ hình ảnh khi xem xét lại hồi cố, cho thấy độ nhạy phát hiện được cải thiện.
- Phụ nữ có vú dày, là yếu tố nguy cơ đã biết cho các thách thức trong sàng lọc, là đối tượng tập trung, nhấn mạnh tầm quan trọng lâm sàng.
- Điểm số của AI tương quan với phân loại hồi cố của bác sĩ hình ảnh, chỉ ra giá trị chẩn đoán bổ sung.
Nền tảng nghiên cứu và gánh nặng bệnh tật
Ung thư vú vẫn là nguyên nhân hàng đầu gây tử vong do ung thư trên toàn thế giới. Các ca ung thư vú khoảng cách (IBCs), được chẩn đoán trong vòng 24 tháng sau một lần sàng lọc phim chụp X-quang bình thường, đặt ra thách thức lâm sàng đáng kể do tính chất hung hãn và kết quả kém hơn so với các ca ung thư được phát hiện qua sàng lọc. Độ dày vú cao, xuất hiện ở một tỷ lệ đáng kể của dân số sàng lọc, che khuất việc phát hiện ung thư trên phim chụp X-quang, tăng khả năng bỏ sót các tổn thương. Các chương trình sàng lọc phim chụp X-quang hiện tại (MSPs) thường thiếu các công cụ bổ sung để phát hiện đáng tin cậy các ca ung thư bị bỏ sót sớm. Trí tuệ nhân tạo áp dụng cho phân tích hình ảnh hứa hẹn cải thiện hiệu suất của bác sĩ hình ảnh bằng cách đánh dấu các dấu hiệu tinh vi của ác tính không được phát hiện trong đợt xem xét ban đầu của con người.
Thiết kế nghiên cứu
Nghiên cứu hồi cố này đã phân tích 119 phim chụp X-quang từ phụ nữ có độ tuổi trung bình là 57,3 tuổi, chủ yếu có độ dày vú cao (nhóm BI-RADS c/d, 63,0%). Dữ liệu được lấy từ các đăng ký ung thư ở miền đông Thụy Sĩ và Grisons-Glarus. Các ca ung thư vú khoảng cách được định nghĩa là các khối u xâm lấn hoặc tại chỗ được chẩn đoán trong vòng hai năm sau một lần sàng lọc phim chụp X-quang trước đó bình thường. Ba bác sĩ hình ảnh độc lập thực hiện các xem xét lại hồi cố để xác định các dấu hiệu bất thường, phân loại các tổn thương thành các ca IBCs có thể bị bỏ sót hoặc các ca IBCs không có dấu hiệu bất thường có thể phát hiện được dựa trên các khuyến nghị đồng thuận. Hệ thống AI đã đánh giá từng phim chụp X-quang, tạo ra hai điểm số trên thang 0–100: điểm trường hợp ước lượng khả năng hiện tại có ung thư và điểm rủi ro dự đoán khả năng chẩn đoán ung thư vú trong vòng hai năm.
Kết quả chính
Phân tích cho thấy 68,9% các ca IBCs không có dấu hiệu bất thường hồi cố theo bác sĩ hình ảnh, trong khi 31,1% được phân loại là các ca IBCs có thể bị bỏ sót, với những ca này nhận được điểm BI-RADS cao hơn đáng kể (P < .05).
Các ca IBCs có thể bị bỏ sót có điểm số trường hợp AI trung bình cao hơn đáng kể so với những ca không có dấu hiệu bất thường hồi cố (54,1 so với 23,1; P < .05) và được gán vào nhóm rủi ro cao hơn thường xuyên hơn (48,7% so với 14,6%; P < .05).
Trong tất cả các ca IBCs, 46,2% có điểm số trường hợp AI vượt quá 25, 25,2% vượt quá 50, và 13,4% vượt quá 75, cho thấy khả năng ác tính được AI đánh giá khác nhau.
Đáng chú ý, các ca IBCs có thể bị bỏ sót có phân bố rộng từ thấp đến cao về điểm số AI, trong khi các ca IBCs không có dấu hiệu bất thường hồi cố luôn có điểm số thấp trên cả hai thước đo trường hợp và rủi ro. Cụ thể, 73,0% các ca IBCs có thể bị bỏ sót so với 34,1% các ca IBCs không có dấu hiệu bất thường hồi cố có điểm số trường hợp vượt quá 25; 51,4% so với 13,4% vượt quá 50; và 29,7% so với 6,1% vượt quá 75.
Bình luận chuyên gia
Nghiên cứu này nhấn mạnh giá trị bổ sung của AI trong phim chụp X-quang, đặc biệt là ở dân số có độ dày vú cao nơi các đọc thông thường bị hạn chế. Hệ thống AI không chỉ xác nhận các phát hiện hồi cố của bác sĩ hình ảnh về các ca ác tính bị bỏ sót mà còn tiết lộ một phần đáng kể các ca ung thư không nhìn thấy được thậm chí khi xem xét lại bởi chuyên gia.
Những phát hiện này ủng hộ việc tích hợp AI như một công cụ lâm sàng bổ sung để giảm tỷ lệ các ca ung thư khoảng cách, từ đó cải thiện phát hiện sớm và có thể cải thiện kết quả cho bệnh nhân. Tuy nhiên, các hạn chế bao gồm thiết kế hồi cố, kích thước mẫu tương đối nhỏ và sự chiếm ưu thế của các trường hợp có độ dày vú cao, có thể ảnh hưởng đến khả năng tổng quát hóa. Việc xác minh triển vọng trên các dân số rộng lớn hơn và các quy trình tích hợp trong luồng làm việc lâm sàng là cần thiết để xác nhận tác động và khả năng hoạt động.
Kết luận
Trí tuệ nhân tạo cho thấy khả năng hứa hẹn trong việc phát hiện các ca ung thư vú khoảng cách bị bỏ sót trên phim chụp X-quang sàng lọc, đặc biệt là ở phụ nữ có vú dày. Bằng cách nhận dạng các ca ung thư mà bác sĩ hình ảnh không thể nhìn thấy được khi xem xét lại, AI có tiềm năng cải thiện độ nhạy sàng lọc, giảm chẩn đoán muộn và tối ưu hóa quản lý ung thư vú. Các nghiên cứu trong tương lai nên tập trung vào đánh giá triển vọng, hiệu quả về chi phí và thiết lập các khung tích hợp AI chuẩn mực để tận dụng những lợi ích này trong các chương trình sàng lọc phim chụp X-quang thực tế.
Tài liệu tham khảo
Eisemann N, Bunk S, Mukama T, Baltus H, Elsner SA, Gomille T, Hecht G, Heywang-Köbrunner S, Rathmann R, Siegmann-Luz K, Töllner T, Vomweg TW, Leibig C, Katalinic A. Triển khai thực tế trên toàn quốc của AI để phát hiện ung thư trong sàng lọc phim chụp X-quang dựa trên dân số. Nat Med. 2025 Mar;31(3):917-924. doi: 10.1038/s41591-024-03408-6. Epub 2025 Jan 7. PMID: 39775040; PMCID: PMC11922743.
