AI Mengesan Kanser Awal daripada Imej

Adakah anda ingin tahu bagaimana AI mengesan kanser awal daripada imej? Mari ketahui lebih lanjut dengan INVIAI dalam artikel ini!

Pengesanan awal kanser sangat meningkatkan kadar kelangsungan hidup. Kecerdasan buatan (AI) kini membantu doktor mengesan tumor pada imej perubatan dengan lebih cepat dan tepat.

Dengan melatih model pembelajaran mendalam menggunakan ribuan imbasan dan slaid yang telah dianotasi, AI dapat mempelajari corak yang mungkin terlepas pandang oleh pakar klinikal.

Dalam amalan, alat AI menganalisis imej seperti mamogram, CT dada, sinar-X, MRI, ultrasound dan slaid patologi, menandakan kawasan mencurigakan dan mengukur risiko.

Sebagai contoh, ultrasound yang dipertingkatkan dengan AI membantu seorang pesakit mengelakkan biopsi tiroid yang tidak perlu dengan menunjukkan benjolan tersebut adalah jinak.

Para pakar menyatakan AI dalam penjagaan kanser adalah “peluang yang belum pernah berlaku sebelum ini” untuk memperbaiki diagnosis dan rawatan.

Bagaimana AI Menganalisis Imej Perubatan

Sistem AI untuk pengimejan biasanya menggunakan pembelajaran mendalam (terutamanya rangkaian neural konvolusi) yang dilatih pada set data yang besar. Semasa latihan, algoritma mempelajari ciri-ciri (seperti bentuk, tekstur, warna) yang membezakan tisu kanser daripada tisu sihat.

Setelah dilatih, model AI mengimbas imej baru dan menyerlahkan corak yang sepadan dengan ciri kanser yang telah dipelajari.

Secara praktikal, AI menjadi “pembaca kedua” yang sangat sensitif, menunjukkan lesi halus yang mungkin terlepas pandang manusia. Contohnya, AI yang mengkaji mamogram atau hirisan CT mungkin menandakan kalsifikasi kecil atau nodul dengan kotak berwarna dan amaran untuk pemeriksaan oleh pakar radiologi.

Analisis AI juga boleh menganggarkan risiko: beberapa algoritma meramalkan risiko kanser masa depan pesakit daripada satu imej (menggunakan korelasi yang dipelajari), membolehkan doktor menyesuaikan selang saringan.

Dalam satu kes, ultrasound tiroid yang dianalisis oleh AI mengenal pasti tisu jinak dengan pasti, sejajar dengan keputusan biopsi kemudian dan mengurangkan kebimbangan pesakit.

Saringan Kanser Payudara

Mamografi adalah contoh utama di mana AI memberi impak. Kajian menunjukkan sokongan AI dapat meningkatkan pengesanan kanser payudara dalam saringan secara signifikan.

Dalam satu ujian besar di Jerman, pakar radiologi yang dibantu oleh alat AI menemui 17.6% lebih banyak kanser berbanding tanpa AI.

Secara khusus, kumpulan yang dibantu AI mengesan 6.7 kanser bagi setiap 1,000 wanita berbanding 5.7 bagi setiap 1,000 dalam kumpulan standard, sambil sedikit mengurangkan kadar panggilan semula (amaran palsu).

Secara umum, AI dalam mamografi boleh:

• Meningkatkan sensitiviti dan spesifikiti. Penyelidikan yang dibiayai NCI melaporkan algoritma imej AI “meningkatkan pengesanan kanser payudara pada mamografi” dan juga boleh membantu meramalkan lesi yang akan menjadi invasif kemudian.
• Mengenal pasti penemuan halus. AI boleh menandakan kelompok kecil mikrokalsifikasi atau ketidaksimetrian yang mudah terlepas semasa saringan rutin, bertindak sebagai pembaca pakar tambahan.
• Mengurangkan beban kerja dan variabiliti. Dengan menyaring imej terlebih dahulu, AI boleh mengutamakan kes mencurigakan untuk radiologi, membantu mengatasi peningkatan jumlah mamogram.

Perlu diperhatikan, FDA telah meluluskan beberapa alat mamografi yang dibantu AI (contohnya iCAD, SmartMammo DeepHealth) untuk kegunaan klinikal, mengiktiraf keupayaan mereka mengesan kanser awal dalam situasi sebenar.

Saringan Kanser Paru-paru

AI juga digunakan dalam pengesanan kanser paru-paru pada imej perubatan. Imbasan CT dos rendah (LDCT) digunakan untuk menyaring perokok berisiko tinggi; AI boleh meningkatkan ini dengan memperbaiki kualiti imej dan pengesanan lesi.

Salah satu kelebihan adalah pengurangan dos: algoritma pembinaan semula imej berasaskan AI boleh menghasilkan imej CT yang jelas dengan radiasi lebih rendah daripada imbasan LDCT semasa.

Selain itu, sistem pengesanan dibantu komputer (CAD) berasaskan AI secara automatik mengimbas setiap hirisan CT untuk nodul. Apabila nodul berpotensi ditemui, AI menandakannya pada imej untuk pemeriksaan doktor.

Ringkasnya, AI boleh berfungsi sebagai pembaca kedua yang sensitif pada imej paru-paru.

Contohnya, model terkini menunjukkan sensitiviti tinggi untuk nodul paru-paru jinak dan malignan (dengan sistem penyelidikan mengesan >90% nodul pada imbasan ujian). FDA AS telah meluluskan alat AI untuk membantu saringan kanser paru-paru, mengiktiraf peranannya dalam diagnosis lebih awal.

AI juga boleh membantu mempersonalisasi saringan: dengan menggabungkan imej dengan data pesakit, algoritma boleh mengklasifikasikan siapa yang memerlukan imbasan lebih kerap.

(Walau bagaimanapun, kajian CAD semasa menunjukkan walaupun AI menemui lebih banyak nodul, kebanyakan peningkatan adalah pada nodul kecil berisiko rendah, dan ia belum meningkatkan pengesanan lesi maju secara ketara.)

Kanser Kulit (Melanoma)

Pengimejan dermoskopik (gambar kulit yang diperbesar) adalah satu lagi bidang di mana AI menonjol. Model pembelajaran mendalam terkini yang dilatih pada puluhan ribu imej lesi kulit boleh mengklasifikasikan tahi lalat sebagai jinak atau malignan dengan ketepatan tinggi.

Dalam satu kajian terkini, rangkaian neural yang dipertingkatkan mencapai ketepatan 95–96% dalam mengenal pasti melanoma peringkat awal daripada imej dermoskopi.

Ini penting: melanoma peringkat awal mempunyai prognosis yang sangat baik (kadar kelangsungan hidup 5 tahun sekitar 98%), manakala melanoma peringkat lewat jauh lebih rendah.

Dengan menyerlahkan tahi lalat mencurigakan untuk biopsi, AI boleh membantu pakar dermatologi mendiagnosis melanoma lebih awal.

Alat AI juga sedang dibangunkan dalam bentuk aplikasi telefon atau peranti yang menilai tahi lalat yang difoto dan menganggarkan risikonya, berpotensi meluaskan pengesanan awal ke penjagaan primer.

Saringan Kanser Serviks

AI memperbaiki saringan kanser serviks dengan menganalisis imej digital serviks. Contohnya, sistem CerviCARE menggunakan pembelajaran mendalam pada foto “servikografi” (imej seperti kolposkopi) untuk membezakan lesi prakanker.

Dalam ujian pelbagai pusat, AI CerviCARE mencapai sensitiviti 98% untuk lesi serviks gred tinggi (CIN2+), dengan spesifikiti 95.5%.

Dalam amalan, AI seperti ini boleh membantu di tempat di mana pakar kolposkopi kurang: algoritma secara automatik menyerlahkan kawasan yang membimbangkan, memastikan tiada tisu prakanker terlepas.

AI jenis ini berfungsi bersama ujian Pap smear dan HPV tradisional untuk mengesan penyakit lebih awal.

NCI juga mencatatkan penyelidikan mengenai AI untuk mengautomasikan pengesanan prakanker dalam saringan serviks.

Saringan Kanser Kolon dan Rektum

Semasa kolonoskopi, AI membantu secara masa nyata. Sistem moden menganalisis aliran video dari kolonoskop secara berterusan. Apabila kamera menangkap polip atau tisu mencurigakan, AI menyerlahkannya pada skrin (biasanya dengan kotak berwarna dan amaran bunyi) untuk menarik perhatian doktor.

Kolonoskopi dibantu AI: sistem mengenal pasti polip “rata” (diserlahkan dengan warna biru) yang boleh dibuang oleh doktor.

Kajian menunjukkan penggunaan AI dalam kolonoskopi meningkatkan jumlah polip yang dikesan, terutamanya adenoma kecil. Ini bermakna AI membantu doktor mengesan pertumbuhan awal yang mungkin terlepas pandang.

Dalam satu ujian besar (kajian CADILLAC), pengesanan adenoma keseluruhan meningkat dengan bantuan AI. Namun, pakar juga mencatat bahawa kebanyakan peningkatan adalah untuk polip kecil berisiko rendah, dan penambahan AI tidak meningkatkan pengesanan adenoma besar berisiko tinggi secara signifikan dalam kajian tersebut.

Dengan kata lain, AI sangat baik dalam menunjukkan banyak lesi kecil, tetapi sama ada ia memperbaiki pengesanan prakanker paling berbahaya masih dalam penilaian.

Walau bagaimanapun, “mata kedua” AI boleh mengurangkan kesilapan akibat keletihan dan menurunkan variabiliti antara doktor. FDA telah meluluskan sistem AI (CADe) untuk kolonoskopi klinikal bagi membantu endoskopis mengesan polip.

AI dalam Patologi dan Pengimejan Lain

Kebolehan AI melangkaui pengimejan langsung ke patologi dan imbasan khusus. Slaid patologi digital (imbasan beresolusi tinggi biopsi tisu) dibaca oleh algoritma AI.

Contohnya, AI baru bernama CHIEF dilatih menggunakan lebih 60,000 imej slaid penuh merangkumi 19 jenis kanser.

Ia secara automatik mengesan sel kanser dalam slaid dan meramalkan profil molekul tumor berdasarkan ciri visual. Dalam ujian, CHIEF mencapai ketepatan ~94% dalam mengesan kanser pada slaid yang belum pernah dilihat merangkumi pelbagai organ.

Begitu juga, FDA telah meluluskan perisian AI untuk menyerlahkan kawasan kanser dalam spesimen biopsi prostat, membantu ahli patologi memberi tumpuan pada kawasan kritikal. Alat AI juga diluluskan untuk tafsiran MRI tumor otak dan ultrasound nodul tiroid, antara lain.

Ringkasnya, AI menjadi pembantu serba boleh: dari imbasan MRI/CT ke sinar-X ke slaid mikroskop, ia menandakan keabnormalan yang memerlukan perhatian.

Manfaat AI dalam Pengesanan Awal

Dalam pelbagai aplikasi, AI menawarkan beberapa kelebihan utama untuk mengesan kanser lebih awal:

• Sensitiviti Lebih Tinggi: AI boleh mengesan tanda yang sangat halus. Dalam saringan payudara, AI mengesan kira-kira 20–40% kanser interval (tumor yang terlepas pada bacaan pertama) apabila digunakan secara retrospektif pada mamogram terdahulu.
  Ini bermakna AI mungkin mendedahkan kanser lebih awal daripada pembaca manusia sahaja.
• Ketepatan dan Kecekapan: Kajian menunjukkan bacaan dibantu AI mengurangkan negatif palsu dan kadang-kadang menurunkan positif palsu.
  Contohnya, mamografi dengan sokongan AI meningkatkan nilai ramalan positif biopsi (iaitu kanser per biopsi) dalam ujian di Jerman.
• AI boleh memproses imej lebih pantas daripada manusia, membolehkan program saringan mengendalikan beban kerja yang meningkat tanpa mengorbankan kualiti.
• Kualiti Konsisten: Berbeza dengan manusia, AI tidak letih atau terlepas pandang kerana gangguan.
  Ia memberikan tahap analisis yang seragam merentas kes, yang boleh mengurangkan variabiliti antara radiologi.
• Mencegah Prosedur Tidak Perlu: Dengan membezakan lesi jinak dan malignan dengan lebih tepat, AI boleh mengelakkan pesakit menjalani ujian yang tidak diperlukan.
  Dalam contoh tiroid, AI dengan yakin menolak kanser tanpa biopsi.
• Dalam dermatologi, aplikasi AI boleh meyakinkan pesakit tentang tahi lalat jinak.
  Secara keseluruhan, matlamatnya adalah saringan tepat: mencari apa yang benar-benar memerlukan campur tangan dan mengelakkan rawatan berlebihan.
• Akses Global: Di kawasan dengan kekurangan pakar, alat AI boleh meluaskan saringan tahap pakar ke klinik terpencil.
  Contohnya, kolposkop AI boleh membantu jururawat menyaring kanser serviks di kawasan sumber rendah.

“Pendekatan berkuasa AI boleh meningkatkan keupayaan klinisyen menilai kanser dengan cekap dan tepat”. Dalam banyak ujian, gabungan AI dengan kepakaran doktor mengatasi kedua-duanya secara bersendirian, seperti berunding dengan rakan sekerja yang berpengetahuan.

Cabaran dan Pertimbangan

AI juga membawa cabaran. Model yang dilatih pada data terhad atau tidak pelbagai mungkin tidak berfungsi sama baik untuk semua pesakit. Contohnya, pengesan lesi kulit AI mesti dilatih pada pelbagai tona kulit untuk mengelakkan bias.

Alat dermoskopik AI mencatatkan kekurangan prestasi pada imej dengan artifak (seperti rambut atau pencahayaan buruk) dan pada jenis lesi yang kurang diwakili.

Dalam saringan, lebih banyak pengesanan boleh bermakna lebih banyak amaran palsu: kolonoskopi AI menandakan banyak polip kecil, sebahagiannya mungkin tidak pernah berkembang menjadi kanser.

Membuang setiap lesi kecil membawa risiko tersendiri (peluang kecil pendarahan atau perforasi). Oleh itu, klinisyen mesti mengimbangi sensitiviti AI dengan spesifikiti untuk mengelakkan diagnosis berlebihan.

Mengintegrasikan AI ke dalam aliran kerja klinikal bukan mudah. Hospital memerlukan perisian yang disahkan dan diluluskan FDA serta latihan untuk kakitangan. Terdapat persoalan peraturan dan tanggungjawab jika AI terlepas kanser.

Ramai penyelidik menekankan AI adalah alat, bukan pengganti; seperti kata seorang radiologi, menggunakan AI adalah seperti “bertanya pendapat rakan sekerja yang cemerlang”. Ujian berterusan dan kajian pasaran penting untuk memastikan alat ini benar-benar memperbaiki hasil.

Arah Masa Depan

Masa depan AI dalam pengesanan kanser sangat menjanjikan. Penyelidik sedang membangunkan “model asas” (AI besar yang dilatih pada set data yang sangat besar) yang boleh mengendalikan banyak tugas serentak. CHIEF dari Harvard adalah satu contoh: ia dilatih seperti “ChatGPT untuk patologi” pada jutaan petak imej, dan berfungsi merentas banyak jenis kanser.

Pendekatan serupa mungkin tidak lama lagi menggabungkan pengimejan dengan data genetik dan klinikal untuk saringan ultra-peribadi. AI berbilang mod boleh meramalkan bukan sahaja kehadiran kanser, tetapi juga tahap agresifnya, membimbing intensiti susulan.

Prestasi AI juga semakin baik dengan teknik baru. Sistem CAD generasi seterusnya menggunakan seni bina rangkaian neural maju dan model bahasa besar untuk mentafsir imej. Bagi kanser paru-paru, pakar menyatakan sistem AI lama adalah “primitif” berbanding model hari ini, dan mereka menjangkakan versi baru jauh lebih baik.

Kajian antarabangsa (seperti ujian pelbagai pusat di Eropah dan AS) sedang dijalankan untuk mengesahkan alat AI secara besar-besaran. Apabila data terkumpul, AI akan belajar daripada hasil dunia sebenar, sentiasa memperbaiki ketepatannya.

Kesimpulannya, AI sudah membantu doktor mengesan kanser lebih awal daripada imej perubatan – daripada mamogram dan imbasan CT ke gambar kulit dan slaid biopsi. Walaupun cabaran masih ada, penyelidikan terkini dan kelulusan peraturan menunjukkan masa depan di mana AI menjadi rakan sejati dalam saringan kanser.

Dengan mengesan tumor pada peringkat paling awal apabila rawatan paling berkesan, teknologi ini boleh memperbaiki hasil bagi ramai pesakit di seluruh dunia.