La condivisione dei dati può migliorare l’intelligenza artificiale nella ricerca sulla diagnostica per immagini della mammella

  • Buda M & al.
  • JAMA Netw Open

  • Univadis
  • Notizie di oncologia
L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano L'accesso ai contenuti di questo sito è riservato agli operatori del settore sanitario italiano

Conclusioni

  • Un ampio insieme di dati di immagini di tomosintesi digitale della mammella (digital breast tomosynthesis, DBT) dovrebbe aiutare a migliorare gli algoritmi di intelligenza artificiale utilizzati nella diagnostica per immagini del tumore mammario.

Perché è importante

  • L’insieme di dati può essere sfruttato nella futura ricerca sulla diagnostica per immagini della mammella.

Disegno dello studio

  • In questo studio diagnostico sono stati valutati 16.802 esami di DBT con almeno 1 ricostruzione.
  • I dati sono stati suddivisi casualmente in studi di addestramento (4.838 studi di 4.362 pazienti), convalida (312 studi di 280 pazienti) e insiemi di prova (460 studi di 418 pazienti) in modo da garantire l’assenza di sovrapposizione delle pazienti tra sottogruppi.
  • Finanziamento: National Institutes of Health (NIH).

Risultati principali

  • È stato reso disponibile pubblicamente un insieme di dati di studi DBT che contenevano 22.032 volumi DBT ricostruiti di 5.060 pazienti.
  • Gli studi sono stati suddivisi in base al tipo: studi normali (91,4%), studi per i quali erano necessari ulteriori esami di diagnostica per immagini, ma non biopsie (5,0%), studi con biopsia benigna (2,0%) e studi che hanno rilevato tumori (1,6%).
  • L’algoritmo ha raggiunto una sensibilità basata sulla mammella del 65%.

Limiti

  • L’insieme di dati non include annotazioni per calcificazioni e/o microcalcificazioni.