Nowe badania wskazują, że sztuczna inteligencja (AI) jest w stanie zidentyfikować wczesne oznaki raka piersi w obrazach mammograficznych nawet na sześć lat przed postawieniem klinicznej diagnozy. Technologia analizuje subtelne zmiany, niewidoczne dla ludzkiego oka, co może zrewolucjonizować badania przesiewowe i umożliwić wcześniejsze wdrażanie działań profilaktycznych.
Algorytmy AI widzą zmiany na lata przed diagnozą
Zdolność sztucznej inteligencji do wczesnego prognozowania ryzyka raka piersi opiera się na analizie wzorców w tkance, które umykają uwadze radiologów. Jak wynika z analiz, modele AI mogą wykrywać te sygnały ostrzegawcze nawet sześć lat przed pojawieniem się widocznych zmian nowotworowych. Co więcej, jedno z retrospektywnych badań opublikowanych w czasopiśmie „Radiology” sugeruje, że oceny ryzyka generowane przez AI mogą rosnąć nawet na 10 lat przed ostateczną diagnozą w porównaniu do osób, które pozostają zdrowe.
Przewaga technologii polega na jej zdolności do identyfikacji mikroskopijnych zmian, które dla ludzkiego oka są niemożliwe do zauważenia. Algorytm analizuje mammogramy pod kątem tych subtelnych sygnatur, tworząc precyzyjny model indywidualnego ryzyka zachorowania na raka piersi w perspektywie najbliższych pięciu lat.
O 29% wyższa wykrywalność bez wzrostu fałszywych alarmów
Zastosowanie AI w diagnostyce mammograficznej przynosi wymierne korzyści w postaci większej precyzji. Badanie opublikowane w „Oncoscience” wykazało, że mammografia wspomagana przez sztuczną inteligencję pozwala na wykrycie o 29% więcej przypadków raka piersi w porównaniu do tradycyjnej oceny radiologicznej. Co kluczowe, tak znaczący wzrost skuteczności został osiągnięty bez jednoczesnego zwiększenia odsetka wyników fałszywie dodatnich, co jest jednym z głównych wyzwań badań przesiewowych.
Oprócz poprawy dokładności, integracja AI przekłada się również na wydajność pracy personelu medycznego. Stwierdzono, że zastosowanie algorytmów skraca czas potrzebny radiologom na odczytanie i zinterpretowanie wyników badania mammograficznego średnio o 40%.
Tomosynteza 3D z AI to precyzyjniejsze badanie przesiewowe
Szczególnie obiecujące wyniki uzyskano w przypadku połączenia sztucznej inteligencji z cyfrową tomosyntezą piersi (DBT), czyli tzw. mammografią 3D. Według danych naukowych, takie podejście pozwala na wykrycie dodatkowych 1,6 przypadków nowotworu na każde 1000 przeprowadzonych badań przesiewowych w porównaniu do standardowej mammografii 2D.
Ponadto, systemy AI zintegrowane z tomosyntezą przyczyniają się do obniżenia wskaźnika odwołań (recall rate), czyli odsetka kobiet wzywanych na dodatkowe badania z powodu niejednoznacznych wyników. Wsparcie algorytmów pozwoliło na redukcję wskaźnika odwołań o 2,2%, co zmniejsza niepokój pacjentek i obciążenie systemu opieki zdrowotnej.
Spersonalizowane ryzyko i przyszłość screeningu
Potencjał AI wykracza poza jedynie wsparcie w interpretacji obrazów. Technologia ta otwiera drogę do w pełni spersonalizowanych badań przesiewowych. W jednym z badań, w którym algorytm przeanalizował mammogramy blisko 120 tysięcy kobiet, z powodzeniem zidentyfikowano grupę wysokiego ryzyka. Pacjentki, którym model przypisał wysokie prawdopodobieństwo zachorowania, faktycznie rozwijały raka piersi znacznie częściej niż kobiety z grupy o niskim ryzyku.
Możliwość tak wczesnej i precyzyjnej oceny ryzyka daje nadzieję na opracowanie nowych, zindywidualizowanych strategii profilaktycznych. Kobiety zidentyfikowane jako grupa wysokiego ryzyka mogłyby być objęte częstszymi lub bardziej zaawansowanymi badaniami diagnostycznymi, co znacząco zwiększyłoby ich szanse na wczesne wykrycie i skuteczne leczenie.
Źródła
Andre S, Bandiwadekar S, Pattarkine M. "Enhancing breast cancer detection with AI for early diagnosis and recurrence prediction." Oncoscience, 2026. https://pubmed.ncbi.nlm.nih.gov/42272782/
Hickman S, Gialias P, et al. "Artificial Intelligence Detection Scores in Screening Mammography for Early Breast Cancer Alerts." Radiology, 2026. https://pubmed.ncbi.nlm.nih.gov/42262245/
