Apakah Kecerdasan Buatan Dapat Meningkatkan Skrining Kanker Payudara Tanpa Membebani Radiologis?
Skrining kanker payudara bergantung pada pemeriksaan mamografi oleh dua profesional kesehatan. Metode ini, meskipun efektif, menghadapi kekurangan radiologis yang semakin meningkat, terutama di Inggris di mana hampir 40% posisi mungkin akan kekurangan tenaga hingga tahun 2028. Sebuah studi terbaru mengeksplorasi penggunaan kecerdasan buatan sebagai pembaca kedua untuk menganalisis gambar-gambar ini, guna meringankan beban kerja sambil mempertahankan kualitas diagnosis.
Studi ini melibatkan 50.000 wanita dari dua pusat skrining di Inggris. Hasilnya menunjukkan bahwa menggantikan pembaca manusia kedua dengan alat kecerdasan buatan memungkinkan untuk mempertahankan akurasi yang serupa dalam hal deteksi kanker dan pengurangan hasil positif palsu. Setelah tahap arbitrase, di mana para ahli meninjau kembali kasus-kasus yang dipertanyakan, sensitivitas dan spesifisitas kecerdasan buatan terbukti sama baiknya dengan dua pembaca manusia. Ini berarti bahwa alat ini mendeteksi sebanyak kanker nyata dan menghindari sebanyak diagnosis yang salah.
Salah satu keuntungan utama dari pendekatan ini adalah pengurangan waktu kerja yang signifikan. Jumlah mamografi yang harus dianalisis oleh manusia menurun sebesar 50%, karena kecerdasan buatan menangani sebagian pemeriksaan. Namun, arbitrase menjadi lebih sering dengan kecerdasan buatan, meningkat antara 22% hingga 142% tergantung pusatnya. Kenaikan ini disebabkan oleh fakta bahwa alat terkadang dapat menandai anomali yang tidak dikonfirmasi oleh para ahli, atau sebaliknya, melewatkan kasus-kasus halus yang terdeteksi oleh manusia.
Kecerdasan buatan menunjukkan kemampuan khusus dalam mengidentifikasi kanker yang muncul antara dua skrining atau pada skrining berikutnya, yang disebut kanker interval atau putaran berikutnya. Sebelum arbitrase, alat ini mendeteksinya lebih baik daripada manusia. Namun setelah penilaian ulang oleh para ahli, perbedaan ini memudar, karena beberapa sinyal dari alat tersebut dikesampingkan. Hal ini menimbulkan pertanyaan: bagaimana cara mengintegrasikan saran kecerdasan buatan dengan lebih baik agar lebih dapat diandalkan dan dipahami oleh radiologis?
Kinerja alat ini bervariasi tergantung pada peralatan yang digunakan untuk mamografi. Alat ini lebih efektif dengan perangkat dari satu produsen dibandingkan produsen lain, yang menunjukkan bahwa alat ini harus disesuaikan dengan teknologi lokal sebelum diterapkan. Radiologis yang berpartisipasi dalam studi ini menyatakan kepercayaan yang moderat terhadap alat ini, sambil menunjuk batasannya, terutama kecenderungannya untuk melebih-lebihkan beberapa anomali seperti kalsifikasi.
Studi ini membuka jalan bagi penggunaan kecerdasan buatan yang lebih luas dalam skrining kanker payudara. Studi ini menunjukkan bahwa dimungkinkan untuk mengurangi beban kerja para profesional tanpa mengorbankan kualitas diagnosis. Untuk melangkah lebih jauh, diperlukan peningkatan transparansi dalam keputusan alat ini dan pelatihan bagi radiologis dalam penggunannya, agar mereka dapat mengevaluasi peringatan alat ini dengan lebih baik dan memanfaatkannya secara optimal.
Références des contenus
Référence officielle
DOI : https://doi.org/10.1038/s43018-026-01128-z
Titre : Impact of using artificial intelligence as a second reader in breast screening including arbitration
Revue : Nature Cancer
Éditeur : Springer Science and Business Media LLC
Auteurs : Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian