AI w diagnostyce raka piersi miała być przełomem. Miała przyspieszać opisy, porządkować kolejki i wyłapywać subtelne nieprawidłowości, których ludzkie oko czasem nie widzi. Jednak najnowsze dane pokazują, że technologia, która wygląda na pewną siebie, potrafi się pomylić w sposób bardzo kosztowny. I to nie w teorii, lecz w konkretnych przypadkach choroby.
W badaniu opisanym w La Radiologia Medica i omawianym w European Medical Journal przeanalizowano 414 kobiet z histopatologicznie potwierdzonym rakiem piersi. Średni wiek pacjentek wynosił 55,3 roku. Każda z nich miała wykonaną mammografię oraz rezonans magnetyczny z sekwencją dyfuzyjną, czyli MRI DWI. Następnie przeprowadzono leczenie operacyjne. To ważne, ponieważ mówimy o przypadkach pewnych, potwierdzonych, a nie o podejrzeniach.
I właśnie w tej grupie algorytmy AI-CAD przeoczyły 30,7% nowotworów. To niemal co trzeci przypadek. W tym momencie kończy się wygodna opowieść o nieomylnej technologii. Zamiast niej pojawia się pytanie: dlaczego tak się stało i co to oznacza dla pacjentek.
Sprawdź także: Ozempik, przełomem w medycynie. Obietnica szybkiego rozwiązania.
Co oznacza „AI-missed” i dlaczego to ma znaczenie
Systemy AI-CAD działają w radiologii jako narzędzia wspierające lekarzy. Ich zadaniem jest wskazanie podejrzanego obszaru na mammografii. Jednak samo „zauważenie” plamki nie wystarczy. W badaniu przyjęto dwa warunki uznania zmiany za wykrytą.
Po pierwsze, AI musiała zaklasyfikować zmianę jako podejrzaną. Po drugie, musiała ją prawidłowo zlokalizować. Jeśli zabrakło choć jednego elementu, przypadek trafiał do kategorii „AI-missed”. Innymi słowy, algorytm albo nie uznał zmiany za istotną, albo wskazał miejsce, które nie odpowiadało rzeczywistemu ognisku nowotworu.
To rozróżnienie jest kluczowe. W praktyce klinicznej liczy się nie tylko to, czy system „coś widzi”. Liczy się także, czy potrafi skierować uwagę tam, gdzie naprawdę jest problem. W przeciwnym razie technologia może dawać fałszywe poczucie bezpieczeństwa.
Dlaczego AI zawodzi: gęsta tkanka i małe guzy
Wyniki analizy wieloczynnikowej wskazały dwa czynniki, które szczególnie zwiększały ryzyko przeoczenia raka piersi przez AI-CAD. I to właśnie one są najbliżej codziennej rzeczywistości diagnostyki. To nie są egzotyczne wyjątki. To częste sytuacje.
Najważniejsze czynniki wyglądały tak:
- gęsta tkanka piersi, która maskuje zmiany i utrudnia odróżnienie guza od tła anatomicznego
- niewielki rozmiar guza, szczególnie zmiany o średnicy ≤ 2 cm, które były wielokrotnie częściej pomijane
Gęsta tkanka gruczołowa jest wyzwaniem od lat. „Pochłania” obraz w podobny sposób jak wiele zmian patologicznych. W efekcie pojawia się efekt maskowania. AI w tym miejscu przypomina człowieka. Także bywa bezradna, gdy tło jest zbyt „głośne”, a sygnał zbyt subtelny.
Drugi problem jest jeszcze bardziej niepokojący. Małe guzy, do 2 cm, były niemal pięciokrotnie częściej przeoczone niż większe nowotwory. A przecież to właśnie małe zmiany są często najcenniejsze klinicznie. To te, które dają szansę na leczenie mniej obciążające i z lepszym rokowaniem. Innymi słowy, AI potyka się tam, gdzie najbardziej liczy się precyzja.
Retrospektywa daje ostrzeżenie, nie wyrok
Warto jednak właściwie zrozumieć charakter badania. Było retrospektywne i jednoośrodkowe. Obejmowało wyłącznie pacjentki z potwierdzonym rakiem piersi. To ma dwie konsekwencje.
Z jednej strony dane są mocne, bo diagnoza została potwierdzona histopatologicznie. Z drugiej strony sytuacja różni się od realnych badań przesiewowych, gdzie większość populacji jest zdrowa. Paradoksalnie w skriningu skuteczność algorytmów może być jeszcze niższa, ponieważ wzrasta znaczenie fałszywie ujemnych decyzji wśród „trudnych” obrazów.
Dlatego te wyniki nie są argumentem przeciw AI. Są argumentem za ostrożnością. I za tym, by nie robić z algorytmu jedynej bramki decyzyjnej.
Zrób coś dobrego dla swojego ciała i postaw na rehabilitacja Poznań.
MRI DWI: diagnostyka bez kontrastu i bez złudzeń
W odpowiedzi na ograniczenia mammografii oraz wsparcia AI badacze przyjrzeli się roli MRI DWI. To rezonans magnetyczny z sekwencją dyfuzyjną. Jego istota jest inna niż klasyczne obrazowanie z kontrastem.
MRI DWI nie wymaga podania kontrastu. Zamiast tego analizuje ruch cząsteczek wody w tkankach. Nowotwory, z racji gęsto upakowanych komórek, często ograniczają dyfuzję. To daje charakterystyczny sygnał, który można ocenić nawet wtedy, gdy mammografia jest niejednoznaczna.
Co ważne, w badaniu dwóch niezależnych radiologów oceniało wyłącznie obrazy DWI w grupie zmian przeoczonych przez AI. Wyniki były zaskakująco dobre. Jeden radiolog wykrył 83,5% takich zmian. Drugi wykrył 79,5%. Zgodność ocen była znaczna, co dodatkowo wzmacnia wiarygodność podejścia.
DWI szczególnie dobrze radziło sobie z guzami większymi niż 1 cm. Ponadto było skuteczne w sytuacjach, gdy zmiana była całkowicie niewidoczna w mammografii. Skuteczność spadała głównie przy mikrozmianach poniżej 1 cm. To ograniczenie trzeba uczciwie zaznaczyć.
Co te wyniki znaczą dla pacjentek i lekarzy
Najprostszy wniosek jest kuszący, ale byłby błędny: „AI się nie nadaje”. W rzeczywistości chodzi o coś innego. Chodzi o właściwe ustawienie roli AI w diagnostyce raka piersi. Algorytmy potrafią przyspieszyć pracę i poprawić wykrywalność w części przypadków. Jednak nie mogą być jedynym filtrem.
Z perspektywy bezpieczeństwa pacjentek liczy się podejście multimodalne. Oznacza to łączenie metod, zamiast stawiania wszystkiego na jedną kartę. Zwłaszcza wtedy, gdy istnieją czynniki zwiększające ryzyko pomyłki algorytmu.
W praktyce klinicznej szczególnie warto rozważyć rozszerzenie diagnostyki w sytuacjach takich jak:
- gęsta tkanka piersi, która utrudnia ocenę w mammografii
- podwyższone ryzyko raka piersi wynikające z wywiadu lub czynników klinicznych
- niejednoznaczny obraz w badaniach podstawowych, który nie daje pewności decyzji
W tych scenariuszach MRI DWI może działać jak siatka bezpieczeństwa. Nie zastępuje mammografii. Nie zastępuje lekarza. Jednak może uzupełniać diagnostykę wspomaganą przez AI, gdy stawka jest wysoka.
Technologia ma pomagać, a nie uspokajać na siłę
W dyskusji o AI łatwo ulec emocjom. Jedni chcą wierzyć, że algorytm rozwiąże problem braków kadrowych. Inni odruchowo nie ufają niczemu, co brzmi jak automatyzacja. Tymczasem prawda zwykle leży pośrodku.
AI w diagnostyce raka piersi może być wartościowym wsparciem. Jednak te dane pokazują granice. Pokazują też, że „nowoczesne” nie zawsze znaczy „wystarczające”. Pacjentka nie potrzebuje technologii, która robi wrażenie. Pacjentka potrzebuje diagnostyki, która minimalizuje ryzyko przeoczenia.
Dlatego przyszłość najpewniej będzie hybrydowa. Algorytmy będą sortować i podpowiadać. Radiolodzy będą weryfikować i decydować. A metody takie jak MRI DWI będą wchodzić tam, gdzie obraz jest trudny i niejednoznaczny. To podejście nie jest spektakularne. Jest za to bezpieczne.
Małe zmiany robią dużą różnicę — aparat ortodontyczny Poznań może ją przynieść.
Ograniczenia badania i następny krok
Badanie miało ograniczenia, które należy brać pod uwagę. Było retrospektywne i jednoośrodkowe. Obejmowało wyłącznie pacjentki z potwierdzonym rakiem. Z tego powodu nie odpowiada wprost na pytanie, jak AI i DWI sprawdzą się w masowych badaniach przesiewowych.
Właśnie dlatego autorzy wskazują na potrzebę badań prospektywnych i wieloośrodkowych. Dopiero one pokażą, czy MRI DWI powinno stać się standardowym uzupełnieniem w wybranych grupach pacjentek. Jednak już teraz widać jedno: jeżeli AI ma stać się fundamentem diagnostyki, musi działać w parze z metodą, która łapie to, co ona gubi.
