Nguy cơ ung thư vú của một phụ nữ thường được tính toán bằng cách sử dụng các mô hình lâm sàng như mô hình rủi ro của Hiệp hội giám sát ung thư vú (BCSC), sử dụng thông tin tự báo cáo và nhiều thông tin khác về bệnh nhân; bao gồm tuổi tác, tiền sử gia đình mắc bệnh, liệu đã sinh con chưa và có bộ ngực săn chắc hay không; để tính điểm rủi ro.

Trưởng nhóm nghiên cứu Bác sĩ Vignesh A. Arasu tại Kaiser Permanente Bắc California cho biết: “Các mô hình rủi ro lâm sàng phụ thuộc vào việc thu thập thông tin từ các nguồn khác nhau, không phải lúc nào cũng có sẵn hoặc được thu thập. Những tiến bộ gần đây trong AI deep learning cung cấp cho chúng tôi khả năng trích xuất hàng trăm đến hàng nghìn tính năng chụp nhũ ảnh bổ sung”.

Trong nghiên cứu hồi cứu, Tiến sĩ Arasu đã sử dụng dữ liệu liên quan đến kết quả chụp quang tuyến vú 2D sàng lọc âm tính (không có bằng chứng rõ ràng về ung thư) được thực hiện tại Kaiser Permanente Bắc California vào năm 2016. Trong số 324.009 phụ nữ được sàng lọc vào năm 2016 đáp ứng các tiêu chí đủ điều kiện, một nhóm phụ ngẫu nhiên trong số 13.628 phụ nữ được chọn để phân tích. Ngoài ra, tất cả 4.584 bệnh nhân từ nhóm đủ điều kiện được chẩn đoán mắc bệnh ung thư trong vòng 5 năm kể từ lần chụp quang tuyến vú ban đầu năm 2016 cũng đã được nghiên cứu. Tất cả phụ nữ được theo dõi cho đến năm 2021.

Tiến sĩ Arasu cho biết: Chúng tôi đã chọn từ cả năm chụp quang tuyến vú sàng lọc được thực hiện vào năm 2016, vì vậy dân số nghiên cứu của chúng tôi là đại diện cho các cộng đồng ở Bắc California. Các nhà khoa học đã chia thời gian nghiên cứu kéo dài 5 năm thành 3 khoảng thời gian: nguy cơ ung thư trong khoảng thời gian hoặc ung thư mới được chẩn đoán trong khoảng từ 0 đến 1 năm; nguy cơ ung thư trong tương lai, hoặc ung thư mới được chẩn đoán từ một đến năm năm; và tất cả nguy cơ ung thư, hoặc ung thư ngẫu nhiên được chẩn đoán từ 0 đến 5 tuổi.

Sử dụng phương pháp chụp quang tuyến vú sàng lọc năm 2016, điểm rủi ro đối với bệnh ung thư vú trong khoảng thời gian 5 năm được tạo ra bởi 5 thuật toán AI, bao gồm 2 thuật toán hàn lâm được các nhà nghiên cứu sử dụng và 3 thuật toán thương mại có sẵn. Điểm rủi ro sau đó được so sánh với điểm rủi ro lâm sàng của Hiệp hội giám sát ung thư vú.

Tiến sĩ Arasu cho biết: “Tất cả năm thuật toán AI đều hoạt động tốt hơn mô hình rủi ro BCSC để dự đoán nguy cơ ung thư vú từ 0 đến 5 năm. Hiệu suất dự đoán này trong khoảng thời gian 5 năm cho thấy AI đang xác định cả ung thư bị bỏ sót và một số đặc điểm của mô vú giúp dự đoán sự phát triển ung thư trong tương lai. Một điều gì đó trong chụp quang tuyến vú cho phép chúng tôi theo dõi nguy cơ ung thư vú. Đây là 'hộp đen' của AI”.

Một số thuật toán AI xuất sắc trong việc dự đoán những bệnh nhân có nguy cơ cao mắc bệnh ung thư cách quãng, thường rất nguy hiểm và có thể yêu cầu đọc lại hình ảnh chụp quang tuyến vú, sàng lọc bổ sung hoặc chụp ảnh theo dõi trong khoảng thời gian ngắn. Ví dụ, khi đánh giá những phụ nữ có nguy cơ 10% cao nhất, AI đã dự đoán tới 28% ca ung thư so với 21% do Hiệp hội giám sát ung thư vú dự đoán.

Ngay cả các thuật toán AI được đào tạo trong khoảng thời gian ngắn (thấp nhất là 3 tháng) cũng có thể dự đoán nguy cơ ung thư trong tương lai lên đến 5 năm khi không có ung thư nào được phát hiện lâm sàng bằng cách chụp nhũ ảnh sàng lọc. Khi được sử dụng kết hợp, các mô hình rủi ro AI và Hiệp hội giám sát ung thư vú đã cải thiện hơn nữa khả năng dự đoán ung thư.

Tiến sĩ Arasu cho biết: “Chúng tôi đang tìm kiếm một phương tiện chính xác, hiệu quả và có thể mở rộng để hiểu nguy cơ ung thư vú của phụ nữ. Các mô hình rủi ro AI dựa trên chụp nhũ ảnh mang lại những lợi thế thiết thực so với mô hình rủi ro lâm sàng truyền thống vì chúng sử dụng một nguồn dữ liệu duy nhất: chính bản thân chụp quang tuyến vú”. Một số tổ chức đã sử dụng AI để giúp các bác sĩ X- quang phát hiện ung thư trên phim chụp quang tuyến vú. Điểm rủi ro trong tương lai của một người, mất vài giây để AI tạo ra, có thể được tích hợp vào báo cáo X- quang được chia sẻ với bệnh nhân và bác sĩ của họ. AI để dự đoán nguy cơ ung thư mang đến cho chúng tôi cơ hội cá nhân hóa việc chăm sóc cho mọi phụ nữ, điều không có sẵn một cách có hệ thống. Đó là một công cụ có thể giúp cung cấp thuốc chính xác, được cá nhân hóa ở cấp quốc gia.