பரிசோதனையால் தவறவிடப்பட்ட இடைவெளி மார்பகப் புற்றுநோய் வழக்குகளில் மூன்றில் ஒரு பங்கை AI கண்டறிகிறது.

மார்பகப் புற்றுநோய் பரிசோதனைக்கான ஒரு செயற்கை நுண்ணறிவு வழிமுறை, டிஜிட்டல் டோமோசிந்தசிஸ் மேமோகிராஃபியின் (DBT) செயல்திறனை மேம்படுத்தி, இடைவெளி புற்றுநோய் விகிதங்களை மூன்றில் ஒரு பங்கு வரை குறைக்கும் என்று ரேடியாலஜி இதழில் இன்று வெளியிடப்பட்ட ஒரு ஆய்வு தெரிவிக்கிறது.

இடைப்பட்ட மார்பகப் புற்றுநோய்கள் என்பது வழக்கமான ஸ்கிரீனிங் மேமோகிராம்களுக்கு இடையில் கண்டறியப்படும் அறிகுறி கட்டிகள் ஆகும். இந்த நிகழ்வுகள் பொதுவாக மிகவும் தீவிரமான நோய் மற்றும் விரைவான கட்டி வளர்ச்சி காரணமாக மோசமான முன்கணிப்பைக் கொண்டுள்ளன. DBT, அல்லது 3D மேமோகிராபி, மார்பகப் புண்களின் மேம்பட்ட காட்சிப்படுத்தலை வழங்குகிறது மற்றும் அடர்த்தியான திசுக்களால் மறைக்கப்படக்கூடிய கட்டிகளை அடையாளம் காண முடியும். இருப்பினும், DBT ஒப்பீட்டளவில் புதிய தொழில்நுட்பம் என்பதால், சமீபத்தில் இந்த நுட்பத்தை ஏற்றுக்கொண்ட நிறுவனங்களில் நோயாளிகளுக்கான நீண்டகால விளைவு தரவு குறைவாகவே உள்ளது.

"10 ஆண்டுகளுக்கும் மேலாக DBT பரிசோதனைக்கு அப்பால் மார்பகப் புற்றுநோய் இறப்பு தரவு குறைவாக இருப்பதால், இடைவெளி புற்றுநோய் விகிதங்கள் பெரும்பாலும் ஒரு ப்ராக்ஸியாகப் பயன்படுத்தப்படுகின்றன," என்று மாசசூசெட்ஸ் பொது மருத்துவமனையின் மார்பக இமேஜிங் தரத்தின் இயக்குநரும் ஹார்வர்ட் மருத்துவப் பள்ளியின் இணைப் பேராசிரியருமான ஆய்வு ஆசிரியர் டாக்டர் மனிஷா பஹ்ல் விளக்குகிறார்.
"இந்த விகிதத்தில் குறைவு மார்பகப் புற்றுநோய் பாதிப்பு மற்றும் இறப்பு குறைவதைக் குறிக்கிறது."

ஆய்வு: கண்டறியப்படாத கட்டிகளை AI அடையாளம் காட்டுகிறது

1,376 வழக்குகளில் நடத்தப்பட்ட ஒரு ஆய்வில், பால் மற்றும் சகாக்கள் DBT பரிசோதனைக்கு உட்படுத்தப்பட்ட 224 பெண்களில் 224 இடைவெளி புற்றுநோய்களை பின்னோக்கிப் பகுப்பாய்வு செய்தனர். இந்தப் படங்களில், முன்னர் கண்டறியப்படாத கட்டிகளில் 32.6% (224 இல் 73) ஐ Lunit INSIGHT DBT v1.1.0.0 AI வழிமுறை சரியாக உள்ளூர்மயமாக்கியது.

"கதிரியக்கவியலாளர்களால் முன்னர் இயல்பானதாக விளக்கப்பட்ட மேமோகிராம்களில், கிட்டத்தட்ட மூன்றில் ஒரு பங்கு இடைவெளி கட்டிகள் AI வழிமுறையால் கண்டறியப்பட்டு துல்லியமாக உள்ளூர்மயமாக்கப்பட்டதில் நாங்கள் ஆச்சரியப்பட்டோம், இது 'இரண்டாவது ரீடராக' AI இன் திறனை எடுத்துக்காட்டுகிறது," என்று பஹ்ல் கூறினார்.

ஆராய்ச்சியாளர்களின் கூற்றுப்படி, DBT படங்களில் இடைவெளி புற்றுநோய்களைக் கண்டறிய AI ஐப் பயன்படுத்துவது குறித்து குறிப்பாகப் பார்க்கப்படும் முதல் வெளியிடப்பட்ட ஆய்வாக இது இருக்கலாம்.

"வழக்கமான 2D டிஜிட்டல் மேமோகிராம்களில் இடைவெளி புற்றுநோய்களைக் கண்டறிய AI முன்னர் பயன்படுத்தப்பட்டது, ஆனால் எங்களுக்குத் தெரிந்தவரை, 3D டோமோசிந்தசிஸ் ஸ்கேன்களில் இடைவெளி கட்டிகளை AI கண்டறிவது குறித்து இலக்கியத்தில் வெளியிடப்பட்ட ஆய்வுகள் எதுவும் இல்லை" என்று பால் விளக்கினார்.

முறை: வெறும் ஒரு புகைப்படம் அல்ல, புண் மட்டத்தில்.

வழிமுறையின் உணர்திறனை மிகைப்படுத்தி மதிப்பிடுவதைத் தவிர்க்க, பாலின் குழு ஒரு புண்-குறிப்பிட்ட பகுப்பாய்வைப் பயன்படுத்தியது: கட்டியின் சரியான இடத்தை சரியாகக் கண்டறிந்து உள்ளூர்மயமாக்கினால் மட்டுமே AI க்கு "மதிப்பெண் தாக்கம்" வழங்கப்பட்டது.

"மாறாக, குறிப்பு தவறாக இருந்தாலும் முழு-பட பகுப்பாய்வு AI க்கு 'பாஸ்' கொடுக்க முடியும், இது செயற்கையாக உணர்திறனை அதிகரிக்கிறது," என்று அவர் மேலும் கூறுகிறார்.
"புண் உள்ளூர்மயமாக்கலின் துல்லியத்தில் கவனம் செலுத்துவது வழிமுறையின் மருத்துவ செயல்திறன் குறித்த மிகவும் நம்பகமான மதிப்பீட்டை வழங்குகிறது."

AI சரியாக என்ன கண்டுபிடிக்கிறது?

• வழிமுறையால் கண்டறியப்பட்ட கட்டிகள் பெரியதாக இருக்கும்.
• பெரும்பாலும் அவை நிணநீர் முனைய சேதத்துடன் முடிந்தது.
• இதன் பொருள், AI முதன்மையாக ஆக்கிரமிப்பு அல்லது வேகமாக வளரும் கட்டிகளை அடையாளம் காட்டுகிறது, அல்லது ஏற்கனவே மேம்பட்ட நிலையில் இருந்த ஆனால் பரிசோதனையின் போது மருத்துவர்களால் தவறவிடப்பட்ட கட்டிகளை அடையாளம் காட்டுகிறது.

ஒட்டுமொத்த முடிவுகள்:

1,000 நோயாளிகளில் (உறுதிப்படுத்தப்பட்ட கட்டிகள் உள்ளவர்கள் மற்றும் தீங்கற்ற அல்லது தவறான-நேர்மறை முடிவுகளைக் கொண்டவர்கள் இருவரும் உட்பட), AI:

• 334 உண்மையான நேர்மறை வழக்குகளில் 84.4% சரியாக உள்ளூர்மயமாக்கப்பட்டது.
• 333 உண்மையான எதிர்மறைகளில் 85.9% சரியாக வகைப்படுத்தப்பட்டுள்ளது.
• 333 தவறான நேர்மறை வழக்குகளில் 73.2% தவறானவை என நிராகரிக்கப்பட்டது.

முடிவுகள் மற்றும் முக்கியத்துவம்

"எங்கள் ஆய்வு, AI வழிமுறையானது DBT ஸ்கிரீனிங் படங்களில் கிட்டத்தட்ட மூன்றில் ஒரு பங்கு இடைவெளி மார்பகப் புற்றுநோய்களைக் கண்டறிந்து துல்லியமாக உள்ளூர்மயமாக்க முடியும் என்பதைக் காட்டுகிறது, இது இடைவெளி புற்றுநோய்களின் நிகழ்வுகளைக் குறைப்பதற்கும் ஸ்கிரீனிங் விளைவுகளை மேம்படுத்துவதற்கும் அதன் திறனைக் குறிக்கிறது" என்று டாக்டர் பாஹ்ல் கூறினார்.

"புற்றுநோய் கண்டறிதலின் துல்லியத்தை மேம்படுத்துவதற்காக, DBT பணிப்பாய்வுகளில் AI ஐ ஒருங்கிணைப்பதை எங்கள் முடிவுகள் ஆதரிக்கின்றன. இருப்பினும், உண்மையான தாக்கம், கதிரியக்கவியலாளர்கள் மருத்துவ நடைமுறையில் AI ஐ எந்த அளவிற்கு ஏற்றுக்கொண்டு மாற்றியமைக்கிறார்கள் என்பதையும், வெவ்வேறு மருத்துவ அமைப்புகளில் அதன் செயல்திறனைச் சோதிப்பதையும் பொறுத்தது."