هنگامی که در ماه نوامبر برای انجام ماموگرافی سالانه خود در یک کلینیک رادیولوژی منهتن مراجعه کردم، کارمند میز پذیرش در حال بررسی مدارک من یک سوال غیرمنتظره پرسید: آیا می خواهم 40 دلار برای تجزیه و تحلیل هوش مصنوعی ماموگرافی خرج کنم؟ او افزود که تحت پوشش بیمه نیست.
نمی دانستم چگونه آن پیشنهاد را ارزیابی کنم. با احساس فروش زیاد، گفتم نه. اما مرا به این فکر انداخت: آیا این چیزی است که باید به روال معمول غربالگری خود اضافه کنم؟ آیا ماموگرافی معمولی من به اندازه کافی دقیق نیست؟ اگر این تحلیل هوش مصنوعی بسیار عالی است، چرا بیمه آن را پوشش نمی دهد؟
من تنها کسی نیستم که چنین سوالاتی را مطرح می کنم. مادر یکی از همکارانش زمانی که اخیرا برای ماموگرافی به کلینیک حومه بالتیمور رفت، تجربه مشابهی داشت. یک جزوه صورتی به او داده شد که در آن نوشته شده بود: «شما لیاقت بیشتری دارید. دقت بیشتر اعتماد به نفس بیشتر قدرت بیشتر با هوش مصنوعی در پشت ماموگرافی شما. برچسب قیمت یکسان بود: 40 دلار. او نیز امتناع کرد.
در سالهای اخیر، نرمافزار هوش مصنوعی که به رادیولوژیستها در تشخیص مشکلات یا تشخیص سرطان با استفاده از ماموگرافی کمک میکند، به سمت استفاده بالینی رفته است. این نرم افزار می تواند مجموعه داده های بزرگی از تصاویر را ذخیره و ارزیابی کند و الگوها و ناهنجاری هایی را که رادیولوژیست های انسانی ممکن است از دست بدهند شناسایی کند. معمولاً مناطق مشکلدار بالقوه را در تصویر برجسته میکند و هرگونه بدخیمی احتمالی را ارزیابی میکند. این بررسی اضافی پتانسیل بسیار زیادی برای بهبود تشخیص توده های مشکوک پستان و منجر به تشخیص زودهنگام سرطان سینه دارد.
برخی از رادیولوژیست ها می گویند در حالی که مطالعاتی که میزان تشخیص بهتر را نشان می دهند بسیار دلگرم کننده هستند، قبل از نتیجه گیری در مورد ارزش استفاده معمول از این ابزارها در عمل بالینی منظم، تحقیقات و ارزیابی بیشتری لازم است.
اتا پیزانو، رادیولوژیست که مدیر ارشد تحقیقاتی در کالج آمریکایی رادیولوژی، یک گروه حرفه ای برای رادیولوژیست ها است، گفت: “من این وعده را می بینم و امیدوارم به ما کمک کند.” با این حال، “در این مرحله واقعاً مبهم است که آیا این به نفع یک زن است یا خیر.” “ما به اطلاعات بیشتری نیاز داریم.”
کلینیک های رادیولوژی که من و مادر همکارم از آنها بازدید کردیم، هر دو بخشی از رادنت هستند، شرکتی با شبکه ای از بیش از 350 مرکز تصویربرداری در سراسر کشور. به گفته گریگوری سورنسن، مدیر ارشد علمی شرکت، RadNet در فوریه گذشته محصول هوش مصنوعی خود را برای ماموگرافی در نیویورک و نیوجرسی معرفی کرد و از آن زمان آن را در چندین ایالت دیگر عرضه کرد.
سورنسن به تحقیقاتی که شرکت با 18 رادیولوژیست انجام داد، اشاره کرد که برخی از آنها متخصص در ماموگرافی سینه بودند و برخی از آنها متخصص عمومی بودند که کمتر از 75 درصد از زمان خود را صرف خواندن ماموگرافی می کردند. از پزشکان خواسته شد تا سرطان ها را در 240 تصویر، با و بدون هوش مصنوعی پیدا کنند. سورنسن گفت که عملکرد هر پزشک با استفاده از هوش مصنوعی بهبود یافته است.
سورنسن گفت: در میان همه رادیولوژیستها، «همه پزشکان به یک اندازه خوب نیستند». با ابزار هوش مصنوعی RadNet، “گویی همه بیماران از بهترین عملکرد ما بهره مند می شوند.”
اما آیا تجزیه و تحلیل فناوری ارزش هزینه اضافی برای بیماران را دارد؟ جواب آسانی وجود ندارد
لورا هیکوک، متخصص تصویربرداری سینه در مرکز سرطان پرلموتر NYU Langone Health در نیویورک، می گوید: «برخی افراد همیشه در مورد ماموگرافی خود مضطرب تر هستند و استفاده از هوش مصنوعی ممکن است به آنها اطمینان بیشتری بدهد. او گفت که سیستم سلامت مدلهای هوش مصنوعی را توسعه داده است و در حال آزمایش این فناوری با ماموگرافی است، اما هنوز آن را به بیماران ارائه نکرده است.
با این حال، Heacock گفت، زنان نباید نگران باشند که در صورت ارائه آنالیز هوش مصنوعی اضافی نیاز دارند.
او گفت: «در پایان روز، شما هنوز یک تصویربردار متخصص پستان دارید که ماموگرافی شما را تفسیر میکند و این استاندارد مراقبت است.
از هر 8 زن حدود 1 نفر در طول زندگی خود به سرطان سینه مبتلا می شوند و ماموگرافی های غربالگری منظم برای کمک به شناسایی زودهنگام تومورهای سرطانی توصیه می شود. اما ماموگرافی ها به سختی قابل اشتباه نیستند: طبق گفته موسسه ملی سرطان، حدود 20 درصد از سرطان های سینه را از دست می دهند.
FDA حدود دوجین محصول هوش مصنوعی را برای کمک به تشخیص و تشخیص سرطان از طریق ماموگرافی مجاز کرده است. با این حال، در حال حاضر هیچ کد صورتحسابای وجود ندارد که رادیولوژیستها بتوانند از برنامههای بهداشتی برای استفاده از هوش مصنوعی برای تفسیر ماموگرافی استفاده کنند. به طور معمول، مراکز فدرال خدمات مدیکر و مدیکید کدهای صورتحساب جدیدی را معرفی میکنند و برنامههای بهداشتی خصوصی از آنها برای پرداخت پیروی میکنند. اما هنوز در این زمینه چنین اتفاقی نیفتاده است و مشخص نیست چه زمانی و یا نه.
CMS به درخواستها برای اظهار نظر پاسخ نداد.
سورنسن گفت، سی و پنج درصد از زنانی که برای انجام ماموگرافی از مرکز رادنت بازدید می کنند، هزینه بررسی اضافی هوش مصنوعی را پرداخت می کنند.
روشهای رادیولوژی پرداخت ماموگرافی هوش مصنوعی را به یک شکل انجام نمیدهند.
کنستانس لمن، پروفسور رادیولوژی در دانشکده پزشکی هاروارد که یکی از مدیران مرکز تحقیقات تصویربرداری پستان در Mass General است، گفت که روشهای وابسته به بیمارستان عمومی ماساچوست مستقر در بوستون برای تجزیه و تحلیل هوش مصنوعی هزینهای از بیماران دریافت نمیکنند.
Lehman گفت که درخواست از بیماران برای پرداخت “الگویی نیست که از حقوق صاحبان سهام حمایت کند”، زیرا تنها بیمارانی که توانایی پرداخت هزینه اضافی را دارند، تجزیه و تحلیل پیشرفته را دریافت خواهند کرد. او گفت که معتقد است بسیاری از رادیولوژیستها هرگز موافقت نمیکنند که تابلویی را که هزینه آنالیز هوش مصنوعی را درج میکند، ارسال کنند، زیرا این امر برای بیماران کمدرآمد زیانآور خواهد بود.
سورنسن گفت که هدف RadNet این است که به محض اینکه برنامههای بهداشتی ارزش غربالگری را درک کرده و هزینه آن را پرداخت کنند، از بیماران هزینه دریافت نمیکند.
برخی از آزمایشات بزرگ در ایالات متحده در حال انجام است، اگرچه بسیاری از تحقیقات منتشر شده در مورد هوش مصنوعی و ماموگرافی تا به امروز در اروپا انجام شده است. در آنجا، روش استاندارد این است که دو رادیولوژیست ماموگرافی را بخوانند، در حالی که در ایالات متحده فقط یک رادیولوژیست معمولاً آزمایش غربالگری را ارزیابی می کند.
نتایج موقت حاصل از کارآزمایی تصادفیشده و کنترلشده MASAI بسیار مورد توجه 80000 زن در سوئد نشان داد که نرخ تشخیص سرطان در زنانی که ماموگرافی آنها توسط رادیولوژیست با استفاده از هوش مصنوعی خوانده شده است در مقایسه با زنانی که ماموگرافی آنها توسط دو رادیولوژیست بدون مداخله هوش مصنوعی خوانده شده، 20 درصد بیشتر است. که استاندارد مراقبت در آنجا است.
محاکمه MASAI عالی بود، اما آیا این امر به ایالات متحده تعمیم خواهد یافت؟ ما نمی توانیم بگوییم.
کریستف لی، مدیر شرکت تحقیقاتی غربالگری و نتایج سرطان در شمال غرب در دانشکده پزشکی دانشگاه واشنگتن گفت: علاوه بر این، نیاز به “مجموعه های آموزشی و آزمایشی متنوع تر برای توسعه و اصلاح الگوریتم هوش مصنوعی” در بین نژادها و قومیت های مختلف وجود دارد. .
سایه طولانی یک نوع قبلی و تا حد زیادی ناموفق ماموگرافی به کمک رایانه بر روی استفاده از ابزارهای هوش مصنوعی جدیدتر آویزان است. در اواخر دهه 1980 و اوایل دهه 1990، نرم افزار “تشخیص به کمک کامپیوتر” وعده بهبود تشخیص سرطان سینه را داد. سپس مطالعات شروع شد و نتایج اغلب چندان دلگرم کننده نبود. استفاده از CAD در بهترین حالت هیچ فایده ای نداشت و در بدترین حالت دقت تفسیر رادیولوژیست ها را کاهش داد و در نتیجه نرخ فراخوان و بیوپسی بالاتری داشت.
رابرت اسمیت، معاون ارشد علوم تشخیص زودهنگام سرطان در انجمن سرطان آمریکا، گفت: “CAD آنقدرها هم پیچیده نبود.” او گفت که امروزه ابزارهای هوش مصنوعی یک بازی کاملاً متفاوت هستند. شما می توانید الگوریتم را برای برداشتن چیزها آموزش دهید یا به تنهایی یاد می گیرد.
اسمیت گفت که به نظر او این که رادیولوژیستها برای تجزیه و تحلیل هوش مصنوعی هزینه میگیرند، «مشکلکننده» است.
اسمیت گفت: «زنان زیادی هستند که نمیتوانند هزینهای را برای ماموگرافی بپردازند». اگر قرار نیست تعداد رادیولوژیستهایی را که برای ماموگرافی استفاده میکنیم افزایش دهیم، این ابزارهای هوش مصنوعی جدید بسیار مفید خواهند بود و فکر نمیکنم بتوانیم از دریافت هزینه اضافی برای زنان دفاع کنیم.
این مقاله توسط اخبار سلامت KFF، که قبلاً با نام Kaiser Health News (KHN) شناخته می شد، یک اتاق خبر ملی که روزنامه نگاری عمیق در مورد مسائل بهداشتی تولید می کند و یکی از برنامه های اصلی عملیاتی در KFF – منبع مستقل برای تحقیقات سیاست سلامت، نظرسنجی، و روزنامه نگاری.
KFF Health News یک اتاق خبر ملی است که روزنامه نگاری عمیقی در مورد مسائل بهداشتی تولید می کند و یکی از برنامه های عملیاتی اصلی در KFF است – منبعی مستقل برای تحقیقات سیاست سلامت، نظرسنجی و روزنامه نگاری. درباره KFF بیشتر بدانید.
از مطالب ما استفاده کنید
این داستان را می توان به صورت رایگان بازنشر کرد (جزئیات).