ETD

• abus
• birads
• carcinoma mammmario
• radiomica

Parallelamente ad un aumento mondiale di incidenza del tumore al seno, l’avanzamento tecnologico ci viene incontro con nuovi e sofisticati sistemi di computer-aided diagnostic integrati ad intelligenza artificiale.
Lo scopo di questo studio e dimostrare l’efficacia diagnostica del sistema Koios, un CAD basato su intelligenza artificiale e algoritmi di machine learning, applicato a immagini acquisite mediante un sistema ecografico mammario automatizzato (Automated Breast Ultrasound System, ABUS), per la caratterizzazione istantanea e accurate di pattern ecografici delle lesioni BI RADS 3 e 4.
Cinquantaquattro pazienti affette da carcinoma mammario sono state sottoposte a esame ABUS,
Due radiologi esperti hanno individuato e tracciato una regione di interesse (ROI) sulla lesione da analizzare mediante lo strumento CAD, raggiungendo un consenso sull’interpretazione delle immagini.
Sono state incluse esclusivamente le lesioni mammarie classificate come BI-RADS 3 e 4, per un totale di 68 (32 BI-RADS 3 e 36 BI-RADS 4).
I risultati forniti dal sistema CAD sono stati confrontati con gli esiti istopatologici (HE) delle biopsie con ago tranciante (CNB), calcolando i parametri di sensibilità (SE), specificità (SP), accuratezza (AC), valore predittivo positivo (PPV) e valore predittivo negativo (NPV).
L’esame istologico (HE) ha identificato 40 lesioni positive e 28 negative.
Il sistema CAD ha classificato 38 lesioni come sospette (con 6 falsi positivi) e 22 come negative (con 2 falsi negativi).
I valori di SE, SP, AC, PPV e NPV ottenuti sono risultati rispettivamente pari al 95%, 79%, 88%, 86% e 92%.
Il sistema CAD proposto ha dimostrato un’elevata accuratezza nella caratterizzazione delle lesioni BI-RADS 3 e 4 mediante ABUS.
Pertanto, esso potrebbe essere introdotto nella pratica clinica come supporto ai radiologi nella valutazione delle immagini ecografiche, contribuendo a ridurre il numero di biopsie con ago tranciante (CNB) necessarie.