Badacz Johnson Comprehensive Cancer Center zaleca ostrożność w stosowaniu sztucznej inteligencji w mammografii

Newswise – Analiza AI guzów raka piersi może poprawić wydajność i wyniki opieki zdrowotnej. Jednak klinicyści powinni postępować ostrożnie, ponieważ podobne postępy technologiczne prowadziły wcześniej do wyższych wskaźników wyników fałszywie dodatnich i nadmiernego leczenia.

Jest to zgodne z Nowa redakcja na JAMA Health Forum współtworzysz to Joanna J. ElmoreMD, MPH, UCLA Jonsson Comprehensive Cancer Center Investigator, Katedra Rosalindi i Arthur Gilbert Foundation w zakresie opieki zdrowotnej oraz profesor medycyny w David Geffen School of Medicine na UCLA.

Artykuł wstępny z JAMA Health Forum stwierdza: „Bez solidniejszego podejścia do oceny i wdrażania sztucznej inteligencji, biorąc pod uwagę ciągłe przyjmowanie pojawiających się technologii w praktyce klinicznej, nie uczymy się na naszych błędach w mammografii z przeszłości”. Utwór, który pojawił się w Internecie w piątek, został napisany wspólnie z Christoph I LeeMD, MSc, MBA, profesor radiologii na University of Washington School of Medicine.

Według autorów jednym z „poprzednich błędów w mammografii” były narzędzia do wykrywania wspomaganego komputerowo (CAD), szybko rozwijająca się dziedzina badań przesiewowych w kierunku raka piersi, która rozpoczęła się ponad dwie dekady temu. CAD został zatwierdzony przez FDA w 1998 r., a do 2016 r. ponad 92% ośrodków obrazowania w USA używało tej technologii do interpretacji mammografii i wyszukiwania guzów. Jednak dowody wykazały, że CAD nie poprawił dokładności mammografii. „Narzędzia CAD wiążą się ze zwiększonym odsetkiem wyników fałszywie dodatnich, co prowadzi do nadmiernej diagnozy raka przewodowego in situ i niepotrzebnych testów diagnostycznych” – napisali autorzy. Medicare przestało płacić opłaty CAD w 2018 roku, ale do tego czasu narzędzia zebrały ponad 400 milionów dolarów rocznie w niepotrzebnych kosztach zdrowotnych.

„Wczesne przyjęcie kardiologii wspomaganej komputerowo jest jednym z wczesnych objawów szczerego przyjęcia nowych technologii, zanim ich wpływ na wyniki pacjentów zostanie w pełni zrozumiany” – napisali Elmore i Lee.

Lekarze sugerują kilka środków zapobiegawczych, które należy wprowadzić, aby uniknąć „powtórzenia błędów z przeszłości”, w tym powiązania refundacji Medicare z „lepszymi wynikami pacjentów, a nie tylko lepszą wydajnością techniczną w warunkach syntetycznych”.

Artykuł: Sztuczna inteligencja w obrazowaniu medycznym: wyciąganie wniosków z błędów przeszłości w mammografii, Joan Elmore i Christophe A. Lee Doi: 10.1001/jamahealthforum.2021.5207