Good Lifestyle

Die National Breast Cancer Foundation schätzt das eine von acht Frauen In den USA werden in ihrem Leben Brustkrebs erkranken und Studien zeigen, dass Frauen mit dichtem und fettem Brustgewebe eine haben vier- bis sechsfaches Risiko Krebs. Mit der Weiterentwicklung von Technologie und Forschung wissen wir viel mehr über Mammographieberichte und Risikofaktoren als je zuvor. Und jetzt könnte ein neues KI -Tool dazu beitragen, Brustkrebs bei Frauen mit dichtem Gewebe zu lokalisieren, das Standardbilder nicht immer erkennen.

VERWANDT: Wissenschaftler haben möglicherweise den Code für die Vorhersage von Brustkrebs in dichtem Gewebe geknackt .

Ein neues KI -Tool kann Krebstumoren genauer lokalisieren.

In einer in der Zeitschrift veröffentlichten Studie Radiologie Die Forscher stellten ein neues KI -Erkennungsmodell vor, das Krebstumoren auf Brustbildern genau lokalisieren kann. Das Tool ist kein Ersatz für die Magnetresonanztomographie (MRT), sondern könnte verwendet werden, um „die Genauigkeit und Wirksamkeit des Screening von Brust -MRT zu verbessern“, gemäß den Autoren.

"Die AI-unterstützte MRT könnte möglicherweise Krebsarten erkennen, die Menschen sonst nicht finden würden" Felipe Oviedo , PhD, leitender Studienautor und Senior Research Analyst bei Microsoft AI für Good Lab, sagte in eine Pressemitteilung .

Obwohl MRTs umfassender sind als Mammogramme, sind sie teurer und haben eine höhere falsch positive Rate. Forscher glauben, dass das neue KI -Erkennungsmodell die Lücke schließen und das Fortschreiten der Gesundheit von Frauen fördern könnte.

Am wichtigsten ist vielleicht, dass das KI-Modell ein lebensrettendes Werkzeug für Frauen mit dichter Brustgewebe sein könnte, ein Faktor, der das Brustkrebsrisiko erhöht, so die Brustkrebsforschungsstiftung (BCRF).

VERWANDT: Ärzte sagen, die meisten Frauen über 65 brauchen keine Pap -Abstriche .

Der Test könnte für Frauen mit dichtem Brustgewebe lebensrettend sein.

Als Bestes Leben Zuvor erklärte: "Dichtes Brustgewebe bezieht sich auf Brüste aus weniger fettem Gewebe und mehr faserigerem und drüsener Gewebe - mit anderen Worten, so sind Ihre Brüste in einer Mammogramm.

In einer Mammogramm erscheinen sowohl dichter Brustgewebe als auch Tumoren weiß, was es für Radiologen schwieriger macht, das zu entschlüsseln, was möglicherweise krebsartig ist. Es kann auch schwieriger sein, Tumoren durch dichter Gewebe zu sehen, fügt hinzu Cleveland Clinic .

Brustkrebs beginnt in Ihrem fibroglandulären Gewebe, das von Natur aus dicht ist. Leider "desto mehr fibroglanduläre Gewebe, das Sie in Ihrer Brust haben, ist die Wahrscheinlichkeit, dass Sie Brustkrebs entwickeln", sagt die Klinik.

Es gibt vier Arten dichter Brustgewebe:

• Meistens fettliches Gewebe
• Verstreute fibroglanduläres Brustgewebe
• Heterogen dichtes Brustgewebe
• Extrem dichter Brustgewebe

Von den vier sind verstreute fibroglanduläre und heterogen dichte Brustgewebe am häufigsten (40 Prozent der Frauen).

"Dichtes Brustgewebe tritt häufiger bei Frauen unter 40 Jahren, bei denen mit einem niedrigen Körpermassenindex (BMI), solchen mit einer familiären Vorgeschichte dichtem Gewebe, schwangeren Frauen oder Stillen und Personen, die Hormonersatztherapie (HRT) einnehmen“, häufiger auf. " Bestes Leben .

VERWANDT: 85% der nicht geimpften Frauen werden dieses Virus wahrscheinlich bekommen - und neue Forschungsarbeiten verbinden es mit Herzerkrankungen .

Wie funktioniert das Tool und wann wird es verfügbar sein?

Das AI -Anomalie -Erkennungsmodell ist die Idee von Olviedos Forschungsteam und klinischen Forschern der Abteilung für Radiologie der Universität Washington. Es wurde entwickelt, um zwischen normalen und abnormalen Daten zu unterscheiden und Anomalien für die weitere Bewertung zu verdrehen. Infolgedessen erhalten Brust -MRT -Bilder einen „geschätzten Anomaliewert“.

Wie haben sie das erreicht? Die Forscher bildeten das KI-Modell „Verwenden von Daten aus fast 10.000 aufeinanderfolgenden kontrastverstärkten Brust-MRT-Untersuchungen“ aus, von denen 42,9 Prozent mit heterogenen dichten Brüsten und 11,6 Prozent mit extrem dichten Brüsten enthielten.

Oviedo nannte das KI -Werkzeug „eine vielversprechende Lösung“.

„Im Gegensatz zu herkömmlichen Binärklassifizierungsmodellen lernte unser Anomalie -Erkennungsmodell eine robuste Darstellung von gutartigen Fällen, um abnormale maligne Erkrankungen besser zu identifizieren“, sagte er.

Darüber hinaus sagten Forscher, dass das KI -Tool für MRIS eine „räumlich aufgelöste Heatmap“ erzeugen kann. Mit dieser Funktion sind die Hitzemap -Regionen oder „Farben“ im Brustbild, das sie erkennt, abnormal.

Dieses Merkmal wurde an 171 Frauen getestet, die eine MRT für Screening oder voroperative Bewertung für einen bekannten Krebs und 221 Frauen mit invasivem Brustkrebs erhielten. Laut den Ergebnissen "Die abnormalen Regionen, die durch das Modell identifiziert wurden, übereinstimmte die Bereiche der von einem Radiologen kommentierten biopsie-probierten Malignitätsfehlern, was die Leistung von Benchmark-Modellen weitgehend übertraf".

Die Forscher sagen, dass das KI -Modell sowohl die hohe Prävalenz von Krebs- als auch bei Fällen mit geringer Krebsprävalenz gelungen sei. Oviedo ist der Ansicht, dass die Integration des Tools in den Radiologie -Workflow „die Leseeffizienz verbessern kann“.

"Unser Modell liefert eine verständliche Erklärung auf Pixelebene für das, was in einer Brust abnormal ist", sagte Oviedo. "Diese Anomalie -Hitzemaps könnten Bereiche potenzieller Besorgnis hervorheben und es Radiologen ermöglichen, sich auf diejenigen Prüfungen zu konzentrieren, die eher Krebs sind."

Oviedo sagte, dass das KI -Tool noch bewertet wird, bevor es für die klinische Anwendung bereit ist.