Μπορεί η AI να προλάβει τον καρκίνο του μαστού;

Ξεκινώντας από το γεγονός ότι η θνησιμότητα λόγω καρκίνου του μαστού κάθε χρόνο είναι 21,5 ανά 100.000 γυναίκες, έως το ότι 2,2 εκατομμύρια γυναίκες θα διαγνωστούν με καρκίνο του μαστού έως το 2025, αυτοί οι αριθμοί σίγουρα τοποθετούν την αρρώστια αυτή στο επίκεντρο τόσο των ερευνητών, όσο και των προσωπικών μας συνειδήσεων, ειδικότερα εκείνων που ακούνε σε γυναικεία προσωνύμια. Για την ώρα οι γυναίκες άνω των 40 υπόκεινται σε ετήσιες μαστογραφίες για να εντοπιστεί τυχόν επιθετικό καρκίνωμα, μια διαδικασία απαραίτητη και βασική για την έγκαιρη πρόληψη και αντιμετώπιση της ασθένειας. Ωστόσο, οι εξετάσεις αυτές εντοπίζουν μόλις το 87% των καρκίνων του μαστού, ενώ είναι πιο πιθανό να μην εντοπίσουν τον καρκίνο σε νεότερες γυναίκες και σε εκείνες με πυκνούς μαστούς.

Αυτό από ό,τι φαίνεται πρόκειται να αλλάξει σύντομα, όπως ελπίζουν πολλοί ειδικοί, οι οποίοι βασίζονται στην τεχνητή νοημοσύνη ως ένα εργαλείο βελτίωσης της ακρίβειας του προσυμπτωματικού ελέγχου για τον καρκίνο του μαστού. Πολλές κλινικές τόσο στην Ελλάδα, όσο και παγκοσμίως, φαίνεται ότι αρχίζουν και ενσωματώνουν αυτά τα μοντέλα τεχνητής νοημοσύνης, καθώς πιστεύεται ότι είναι ικανά όχι μόνο να ανιχνεύσουν νωρίτερα τον καρκίνο, αλλά και να επιταχύνουν το έργο των ακτινολόγων.

Ο τρόπος που λειτουργούν είναι βάσει του καλύτερου λογισμικού τους και άρα της ικανότητας τους να δουν πράγματα που μια απλή μαστογραφία δεν μπορεί να δει. Για παράδειγμα, τα συστήματα ΤΝ μπορούν να εντοπίζουν λεπτά μοτίβα και ανωμαλίες στον ιστό του μαστού που μπορεί να είναι ενδεικτικά καρκίνου του μαστού σε πρώιμο στάδιο. Αυτή η ικανότητα επιτρέπει στους ακτινολόγους να εντοπίζουν ανωμαλίες με μεγαλύτερη ακρίβεια, οδηγώντας σε έγκαιρη διάγνωση και παρέμβαση, κάτι που είναι ζωτικής σημασίας για τη βελτίωση των αποτελεσμάτων των ασθενών.

Ίσως όμως ένα από τα βασικά τους προτερήματα ενέχει τη μείωση των λανθασμένων θετικών και αρνητικών αποτελεσμάτων, μία δηλαδή από τις προκλήσεις της μαστογραφίας. Οι αλγόριθμοι τεχνητής νοημοσύνης φαίνεται να μπορούν να βοηθήσουν στη μείωση αυτών των σφαλμάτων, παρέχοντας πρόσθετα επίπεδα ανάλυσης και ερμηνείας. Επισημαίνοντας περιοχές που προκαλούν ανησυχία για περαιτέρω εξέταση ή επιβεβαίωση, τα συστήματα ΤΝ μπορούν να βοηθήσουν τους ακτινολόγους να ελαχιστοποιήσουν την πιθανότητα διαγνωστικών ανακριβειών και περιττών επεμβάσεων. Επιπλέον, τα AI μοντέλα μπορούν να ενσωματώσουν ένα ευρύ φάσμα δεδομένων ασθενών, συμπεριλαμβανομένου του ιατρικού ιστορικού, της γενετικής προδιάθεσης και των παραγόντων του τρόπου ζωής, για να δημιουργήσουν εξατομικευμένες εκτιμήσεις κινδύνου για τον καρκίνο του μαστού. Έτσι, με τη διαλογή των ατόμων με βάση το προφίλ κινδύνου τους, οι αλγόριθμοι τεχνητής νοημοσύνης μπορούν να βοηθήσουν στην καθοδήγηση των συστάσεων ελέγχου, διασφαλίζοντας ότι τα άτομα υψηλού κινδύνου λαμβάνουν την κατάλληλη επιτήρηση και προληπτικά μέτρα, ενώ ελαχιστοποιούν τις περιττές εξετάσεις για τα άτομα χαμηλού κινδύνου.

ΤΕΥΧΟΣ 560