Καρκίνος Μαστού: Νέα μέθοδος εντοπίζει με ακρίβεια τις γυναίκες που κινδυνεύουν

Ένα επιπλέον όπλο για την πρόβλεψη του καρκίνου του μαστού φαίνεται πως ενδέχεται να αποκτήσουν οι επιστήμονες με τη χρήση της τεχνητής νοημοσύνης. Αυτό δείχνει μελέτη με επικεφαλής τον Adam Yala, διδακτορικού υποψηφίου στο MIT.

Η ερευνητική ομάδα ανέπτυξε έναν αλγόριθμο χρησιμοποιώντας τεχνικές «βαθιάς μάθησης» όπου το υπολογιστικό σύστημα μιμείται τα νευρικά δίκτυα του εγκεφάλου. Εκτίθεται σε ένα μεγάλο αριθμό εικόνων, όπως δείγματα όγκου και διδάσκεται να αναγνωρίζει τα σημαντικά χαρακτηριστικά.

«Στόχος είναι να είναι εφικτό να φέρει στα μέτρα του την απεικόνιση του καρκίνου του μαστού στις γυναίκες».

Οι γιατροί γνωρίζουν και λαμβάνουν ήδη υπόψιν τους παράγοντες που θεωρείται ότι αυξάνουν τον κίνδυνο για εμφάνιση καρκίνου του μαστού. Το οικογενειακό ιστορικό για παράδειγμα, καθώς οι γυναίκες με μητέρα ή αδερφή που διαγνώστηκε με τη νόσο ειδικά σε νεαρή ηλικία έχουν πιθανότητες κινδύνου υψηλότερες από το μέσο όρο.

Για να προσπαθήσει να δημιουργήσει ένα καλύτερο μοντέλο πρόβλεψης του κινδύνου, η ερευνητική ομάδα εξέθεσε ένα σύστημα βαθιάς μάθησης σε περισσότερες από 70.000 ψηφιακές εικόνες μαστογραφίας από γυναίκες που είχαν υποβληθεί σε απεικόνιση σε ένα ιατρικό κέντρο.

Από εκεί, οι ερευνητές δημιούργησαν δύο μοντέλα «βαθιάς μάθησης»: Ένα το οποίο χρησιμοποίησε μόνο τις πληροφορίες της μαστογραφίας και ένα υβριδικό μοντέλο το οποίο επίσης συμπεριέλαβε παραδοσιακούς παράγοντες όπως η ηλικία, το οικογενειακό ιστορικό και η πυκνότητα μαστών. Γυναίκες με πυκνούς μαστούς συνήθως έχουν μεγαλύτερο κίνδυνο για καρκίνο του μαστού συγκριτικά με εκείνες που το στήθος τους έχει περισσότερο λιπώδη ιστό.

Η ερευνητική ομάδα εξέτασε την ακρίβεια των δύο μοντέλων έναντι σε ένα συνηθισμένο υπολογιστικό εργαλείο που χρησιμοποιούν οι γιατροί το μοντέλο Tyrer-Cuzick. Υπολογίζει τον κίνδυνο μία γυναίκα να αναπτύξει καρκίνο του μαστού βασιζόμενο σε παραδοσιακούς παράγοντες κινδύνου και την πυκνότητα μαστών.

Γενικά η μελέτη βρήκε πως αμφότερα τα μοντέλα deep-learning είχαν καλύτερη απόδοση από τη συνηθισμένη προσέγγιση για τον εντοπισμό των γυναικών με μεγαλύτερο κίνδυνο εμφάνισης καρκίνου του μαστού. Η πιο ακριβής μορφή ήταν όμως η υβριδική η οποία εντόπισε και κατέταξε σχεδόν το ένα τρίτο των γυναικών που ανέπτυξαν καρκίνο του μαστού.

«Τα ευρήματα δείχνουν πως μπορούμε να μετακινηθούμε σε πιο ακριβή πρόβλεψη», δήλωσε ο Yala.