Gambar ultrasonografi skala abu-abu sumbu panjang menunjukkan lesi hipoekoik. Lesi diklasifikasikan oleh ahli radiologi penelitian sebagai BI-RADS kategori 4A. Kredit: ARRS/AJR
Menurut manuskrip yang diterima yang diterbitkan dalam American Journal of Roentgenology (AJR) milik ARRS, diagnosis dengan bantuan komputer (CAD) berbasis pembelajaran mendalam untuk klasifikasi lesi payudara pada USG secara signifikan meningkatkan kinerja diagnostik ahli radiologi — terutama untuk mengurangi frekuensi kanker payudara jinak. biopsi.
Dibandingkan dengan literatur yang mendukung CAD di pusat tersier dan/atau perkotaan, hasil dari studi multisenter prospektif dari ahli radiologi tanpa keahlian USG payudara ini “mendukung CAD dalam pengaturan dengan akses yang tidak lengkap ke keahlian pencitraan payudara,” tulis penulis terkait Li-Gang Cui, MD, dari Rumah Sakit Ketiga Universitas Peking di Beijing, Cina.
Studi tersebut melibatkan pasien yang dijadwalkan untuk menjalani biopsi atau reseksi bedah lesi payudara, yang diklasifikasikan sebagai BI-RADS kategori 3-5 pada USG payudara sebelumnya, di delapan rumah sakit sekunder atau pedesaan Tiongkok dari November 2021 hingga September 2022. Pasien menjalani investigasi payudara tambahan ultrasonografi, baik dilakukan maupun diinterpretasikan oleh ahli radiologi yang tidak memiliki keahlian dalam modalitas. Pencitraan tubuh-payudara hibrida—ahli radiologi yang tidak memiliki pelatihan subspesialisasi payudara atau yang melakukan ultrasonografi payudara kurang dari 10% dari ultrasonografi mereka setiap tahun—kemudian menetapkan kategori BI-RADS. Hasil CAD digunakan untuk meningkatkan lesi BI-RADS kategori 3 yang ditugaskan pembaca ke kategori 4A, serta untuk menurunkan lesi BI-RADS 4A menjadi 3. Hasil histologis dari biopsi atau reseksi berfungsi sebagai standar referensi peneliti.
Gambar ultrasound abu-abu sumbu panjang menunjukkan hasil analisis CAD. CAD memberikan hasil “kemungkinan jinak” untuk kedua gambar. Oleh karena itu, lesi diturunkan ke kategori 3 berdasarkan keluaran CAD. Penilaian patologi berdasarkan reseksi bedah adalah fibroadenoma. Kredit: ARRS/AJR
Pada akhirnya, penerapan CAD untuk interpretasi oleh ahli radiologi tanpa keahlian USG payudara menghasilkan peningkatan 6,0% (6/100) penilaian BI-RADS kategori 3 ke kategori 4A, di mana 16,7% (1/6) adalah keganasan, dan penurunan tingkat 79,1% (87/110) dari penilaian kategori 4A hingga kategori 3, dimana 4,6% (4/87) di antaranya ganas.
Karena institusi yang tidak memiliki keahlian pencitraan payudara mungkin juga mengalami masalah kapasitas untuk melakukan biopsi payudara yang dipandu gambar dan evaluasi patologis spesimen biopsi, penurunan perawatan biopsi jinak untuk CAD “akan berdampak,” tambah penulis naskah ini.
Informasi lebih lanjut: Diagnosis Berbantuan Komputer Berbasis Pembelajaran Mendalam untuk Klasifikasi Lesi Payudara pada USG: Studi Multisenter Prospektif Ahli Radiologi Tanpa Keahlian Ultrasound Payudara, American Journal of Roentgenology (2023). DOI: 10.2214/AJR.23.29328
Disediakan oleh American Roentgen Ray Society
Kutipan: Diagnosis dengan bantuan komputer meningkatkan keahlian ultrasonografi payudara dalam studi multisenter (2023, 24 Mei) diambil 24 Mei 2023 dari https://medicalxpress.com/news/2023-05-computeraided-diagnosis-breast-ultrasound-expertise.html
Dokumen ini tunduk pada hak cipta. Terlepas dari kesepakatan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.