Učinkovitost umjetne inteligencije u razlikovanju malignih od benignih ultrazvučnih osobina tumora dojki
DOI:
https://doi.org/10.55378/rv.49.1.2Ključne riječi:
tumor dojke, ultrazvuk dojke;, umjetna inteligencijaSažetak
U ženskoj populaciji karcinom dojki je najčešća maligna bolest i mortalitet mu je 20 % zbog čega predstavlja veliki društveni i zdravstveni problem, osobito u razvijenim zemljama. Rano otkrivanje karcinoma dojke igra ključnu ulogu u poboljšanju ishoda liječenja. Ultrazvučna dijagnostika predstavlja važan alat za prepoznavanje i razlikovanje sumnjivih lezija, no precizna evaluacija može biti izazovna zbog subjektivnosti interpretacije. U tom kontekstu, umjetna inteligencija (UI), uključujući duboko učenje nude mogućnost standardizacije i unaprjeđenja dijagnostičke točnosti. Ova retrospektivna studija provedena je na Odjelu za radiologiju Nacionalne memorijalne bolnice „Dr. Juraj Njavro“ u Vukovaru, koristeći 257 ultrazvučnih slika pacijentica koje su u razdoblju od studenog 2021. do veljače 2024. obavile ultrazvučni pregled i patohistološku analizu iglenom biopsijom. Prikupljene slike prilagođene su za analizu pomoću neuronske mreže DenseNet. Cilj ovog istraživanja bio je ispitati učinkovitost neuronske mreže DenseNet u analizi ultrazvučnih slika tumora dojki, s naglaskom na razlikovanje malignih od benignih tvorbi i mogućnost smanjenja broja nepotrebnih invazivnih dijagnostičkih postupaka. Dijagnostička učinkovitost modela procijenjena je usporedbom njegovih rezultata s patohistološkim nalazima, a korišteni su standardni statistički testovi. Model je pokazao točnost od 73%, AUC (area under the curve) vrijednost od 0.78, specifičnost od 68.8%, osjetljivost od 80% i F1-score od 70%.
Reference
Ivan Damjanov, Sven Seiwerth, Stanko Jukić, Marin Nola, Patologija, 5 izd. Zagreb: Medicinska naklada; 2018.
Xu Z, Wang Y, Chen M, Zhang Q. Multi-region radiomics for artificially intelligent diagnosis of breast cancer using multimodal ultrasound. Comput Biol Med. 2022 Oct;149:105920. doi: 10.1016/j.compbiomed.2022.105920. Epub 2022 Aug 6. PMID: 35986969.
Wei Q, Yan YJ, Wu GG, Ye XR, Jiang F, Liu J, Wang G, Wang Y, Song J, Pan ZP, Hu JH, Jin CY, Wang X, Dietrich CF, Cui XW. The diagnostic performance of ultrasound computer-aided diagnosis system for distinguishing breast masses: a prospective multicenter study. Eur Radiol. 2022 Jun;32(6):4046-4055. doi: 10.1007/s00330-021-08452-1. Epub 2022 Jan 23. PMID: 35066633.
Staren ED, O’Neill TP. Breast ultrasound. Surg Clin North Am. 1998 Apr;78(2):219-35. doi: 10.1016/s0039-6109(05)70310-8. PMID: 9602844.
G. Huang, Z. Liu, L. Van Der Maaten and K. Q. Weinberger, “Densely Connected Convolutional Networks,” 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu, HI, USA, 2017, pp. 2261-2269, doi: 10.1109/CVPR.2017.243. keywords: {Training;Convolution;Network architecture;Convolutional codes;Neural networks;Road transportation},
Xu Z, Wang Y, Chen M, Zhang Q. Multi-region radiomics for artificially intelligent diagnosis of breast cancer using multimodal ultrasound. Comput Biol Med. 2022 Oct;149:105920. doi: 10.1016/j.compbiomed.2022.105920. Epub 2022 Aug 6. PMID: 35986969.
Su S, Ye J, Ke H, Zhong H, Lyu G, Xu Z. Multimodal ultrasound imaging: a method to improve the accuracy of sentinel lymph node diagnosis in breast cancer. Front Oncol. 2024 Mar 25;14:1366876. doi: 10.3389/fonc.2024.1366876. PMID: 38590661; PMCID: PMC10999636.
Xiao X, Gan F, Yu H. Tomographic Ultrasound Imaging in the Diagnosis of Breast Tumors under the Guidance of Deep Learning Algorithms. Comput Intell Neurosci. 2022 Feb 28;2022:9227440. doi: 10.1155/2022/9227440. PMID: 35265119; PMCID: PMC8901319.
Ma H, Tian R, Li H, Sun H, Lu G, Liu R, Wang Z. Fus2Net: a novel Convolutional Neural Network for classification of benign and malignant breast tumor in ultrasound images. Biomed Eng Online. 2021 Nov 18;20(1):112. doi: 10.1186/s12938-021-00950-z. PMID: 34794443; PMCID: PMC8600702.
Chen H, Ma M, Liu G, Wang Y, Jin Z, Liu C. Breast Tumor Classification in Ultrasound Images by Fusion of Deep Convolutional Neural Network and Shallow LBP Feature. J Digit Imaging. 2023 Jun;36(3):932-946. doi: 10.1007/s10278-022-00711-x. Epub 2023 Jan 31. PMID: 36720840; PMCID: PMC10287618.
Preuzimanja
Objavljeno
Broj časopisa
Rubrika
Kategorije
Licenca
Autorska prava (c) 2025 Filip Marković, Damir Štimac (Autor)

This work is licensed under a KreativniCommons Attribution-NonCommercial Međunarodne licence.
HDRT